Sirvi Autor "Haller, Toomas, juhendaja" järgi

Nüüd näidatakse 1 - 6 6

listelement.badge.access-status Avatud juurdepääs ,
Assessment of the suitability of the Estonian Health Record data for the prediction of ischemic stroke
(Tartu Ülikool, 2021) Adamson, Ainika; Haller, Toomas, juhendaja; Alasoo, Kaur, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
An increase in the instances of cardiovascular diseases has elevated the need for better and more efficient prediction models for ischemic stroke as well. Therefore, it is vitally important to assess the Estonian Health Record laboratory data to find out its suitability for ischemic stroke prediction models. To that effect five different approaches and three methods were utilized in three tiers in this Thesis. The potential of binary statement of measurement facts, as well as the actual analysis results, calculated z-scores and medical reference values were evaluated as the input for prediction models. It was found that the binary statement of measurements itself contained enough information for a competitive prediction model. However, several analytes were identified that had increased the quality of the prediction outcomes and therefore should be studied further.
listelement.badge.access-status Avatud juurdepääs ,
Geneetiliste päritolukomponentide määramine mitmemõõtmelise statistika meetodite abil
(Tartu Ülikool, 2015) Ojavee, Sven Erik; Fischer, Krista, juhendaja; Haller, Toomas, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Käesoleva bakalaureusetöö eesmärk on uurida erinevaid võimalusi indiviidi päritolu kirjeldamiseks geeniandmetel põhinevate tõenäosuslike päritolukomponentide abil. Töö teoreetilises osas antakse ülevaade vajalikest geneetika mõistetest ning kasutatavatest statistilistest meetoditest. Töö praktilises pooles hinnatakse päritolukomponentide skoore peakomponentanalüüsi ning lineaarse diskriminantanalüüsi meetodite kombineerimisel. Tulemuste põhjal leitakse aposterioorsed eri rahvusgruppidesse kuulumise tõenäosused TÜ Eesti Geenivaramu andmebaasist pärinevale valimile. Lisaks uuritakse saadud tulemuste seoseid erinevate fenotüübiliste tunnustega ning samuti teostatakse võrdlused analoogsete tõenäosustega, mis on leitud alternatiivsel meetodil – TÜ Eesti Geenivaramu teadlaste poolt välja töötatud MixFit algoritmi põhjal.
listelement.badge.access-status Avatud juurdepääs ,
Medi_Vizz: A tool for concurrent visualisation of medical data
(Tartu Ülikool, 2024) Dyn’ko, Uscinnia; Haller, Toomas, juhendaja; Nurm, Miriam, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Tehnoloogiainstituut
Doctors must analyse the extensive amount of medical data before diagnosing a patient and prescribing treatment. This is especially complicated for patients with multiple chronic conditions, who can be treated by different specialists. The advent of electronic health records granted doctors the opportunity to have all the available information at hand – on the computers at their workstations. However, the challenge of representing these data in an easy-to understand way remained. The Medi_Vizz application allows doctors to visualise individual patients' diagnoses and laboratory analysis data. Medi_Vizz has a user-friendly interface and creates comprehensible plots with medical data. Doctors can utilise these plots in clinical decision support, while scientists can examine disease progression in individual patients, making Medi_Vizz a valuable tool for both general healthcare and scientific research.
listelement.badge.access-status Avatud juurdepääs ,
Prediction Models of Ischemic Stroke Using Deep Neural Networks
(Tartu Ülikool, 2021) Kurvits, Siim; Haller, Toomas, juhendaja; Tampuu, Ardi, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
The ischemic stroke is one of the leading causes of death worldwide. Although, there are many known risk factors for the disease the growing amount of electronic medical data available gives opportunities for creating novel models for personal risk prediction. Usage of deep neural network (DNN) for developing such models can offers many benefits such as potential to encode multiple types of data, less feature selection and engineering required, and sometimes even an increased prediction accuracy. This Thesis focuses on developing a model for ischemic stroke prediction using electronic health record (EHR) data. I show that TabNet, a state-of-the art DNN architecture for tabular data analysis outperforms a simpler method, the FastAI tabular learner. Still, neither of the DNN methods achieved better results than the Random Forest. The ensemble models using Random Forest and DNN models were tested but only a small increase in the performance was achieved compared to the singular model. These results indicate that an ensemble-based methods such as Random Forest is sufficient for the data used. Nevertheless, with increased number of features and addition of more complex data types methods such as TabNet could still become valuable. All models developed resulted with high prediction power for ischemic stroke. This indicates that personal risk predictions for ischemic stroke can be given and the clinical utility of the models should be evaluated further.
listelement.badge.access-status Avatud juurdepääs ,
Ülegenoomne assotsiatsioonuuring viirushepatiidiga seonduvate geneetiliste markerite leidmiseks
(Tartu Ülikool, 2018) Kurvits, Siim; Haller, Toomas, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Molekulaar- ja rakubioloogia instituut
Viirushepatiiti põhjustavad mitmed erinevad levinud viirused. Haigus on maailmas väga levinud, WHO hinnangul oli 2015. aastal 325 miljonit kroonilisse hepatiiti haigestunut. Haiguse tagajärjed võivad olla väga tõsised põhjustades maksatsirroosi ja maksavähki. Antud töö eesmärgiks oli analüüsida erinevate geenivariantide mõju viirushepatiiti haigestumisele. Töös kasutati ülegenoomse assotsiatsiooniuuringu (GWAS) metoodikat ja selle tulemusena leiti mitmeid statistiliselt olulisi assotsiatsioone.
listelement.badge.access-status Avatud juurdepääs ,
Ülegenoomsete geen-geen koosmõjude hindamise meetodi valideerimine
(Tartu Ülikool, 2014-06-16) Jesse, Kristin; Haller, Toomas, juhendaja; Fischer, Krista, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Käesoleva bakalaureusetöö eesmärgiks on uue meetodi valideerimine geen-geen koosmõjude uurimiseks ülegenoomsetes assotsiatsiooniuuringutes. Esmalt tuuakse ülevaade ülegenoomsetest uuringutest ja seal kasutatavast statistilisest metoodikast ning bioloogilise ja statistilise koosmõju mõistetest. Järgnevalt kirjeldatakse kahte meetodit, mille abil koosmõjusid määrata, ning rakendatakse neid simuleeritud andmetel ja Tartu Ülikooli Eesti Geenivaramu andmetel. Esimene meetod reaalsetel andmetel ei tööta, kuid teine meetod annab rahuldavaid tulemusi. Teist meetodit plaanitakse rakendada uues geen-geen koosmõjude määramise programmis.