Umělá inteligence pro predikování sepsí z klinických signálů

Abstract

Tato bakalářská práce řeší otázku predikování sepsí z klinických signálů pomocí metod umělé inteligence. V teoretické části je vypracována literární rešerše na zakladní principy a fungování různých metod umělé inteligence. Větší důraz byl kladen na rekurentní neuronové sítě. Cílem praktické části byla implementace vhodné metody ve zvoleném programovacím prostředí. Jako vhodná metoda byla vybrána LSTM síť a časová konvoluční síť TCN. Nejlepších výsledků normalizované hodnoty utility score dosáhla TCN, a to 0,377 a sedmi vrstvá LSTM 0,356.This bachelor thesis deals with the issue of predicting sepsis from clinical data using artificial intelligence methods. In the theoretical part, a literature research is made on the basic principles and functioning of various methods of artificial intelligence. Greater emphasis was placed on recurrent neural networks. The aim of the practical part was to implement a suitable method in the chosen programming environment. The LSTM network and the temporal convolutional network TCN were chosen as suitable methods. The best results of the normalized value of the utility score were achieved by TCN, namely 0.377 and seven-layer LSTM 0.356.