Speaker : Dr Gulshan Sihag

Title of the talk :  Evaluation of risk factors for Falls in elderly people using Bayesian Networks

Date, Time & venue : September 20, 2023,  5:00 p.m. Dept. of Mathematics

सारांश: गिरना बुज़ुर्गों के लिए एक महत्वपूर्ण समस्या है, गिरने की दर को कम करने के लिए जोखिम कारकों की पहचान और मूल्यांकन आवश्यक है। हालाँकि, गिरने की रोकथाम के लिए एक शैक्षणिक और दोहराया दृष्टिकोण, समय और विशेषज्ञता की आवश्यकता होती है ताकि कार्रवाई योग्य जोखिम कारकों को सटीक रूप से लक्षित किया जा सके। इस थीसिस का उद्देश्य वास्तविक डेटा सेट और बायेसियन नेटवर्क का उपयोग करके गिरने के जोखिम कारकों का मूल्यांकन करना है।

वास्तविक डेटा का उपयोग करने से चुनौतियाँ आती हैं, विशेष रूप से डेटा प्रीप्रोसेसिंग में, जो समय लेने वाली है और इसके लिए विशेषज्ञता की आवश्यकता होती है। इसके अतिरिक्त, AI पर आधारित एक एप्लिकेशन विश्वसनीयता जैसी नई चुनौतियाँ उठाता है, जो परिणामों की व्याख्या और व्याख्या पर निर्भर करता है।

इन चुनौतियों का समाधान करने के लिए, मेरी थीसिस एक ज्ञान मॉडल (बायेसियन नेटवर्क) का प्रस्ताव करती है जो स्वचालित रूप से मुख्य कार्रवाई योग्य जोखिम कारकों का मूल्यांकन करता है। मॉडल को विशेषज्ञ ज्ञान के साथ संयुक्त वास्तविक डेटा सेट पर प्रशिक्षित किया जाता है। विभिन्न डेटा प्रीप्रोसेसिंग चरण प्रस्तुत और समझाए जाते हैं, जिसमें लापता मूल्य आरोपण, चर चयन और असंतुलित डेटा के लिए संतुलन तकनीकों का उपयोग शामिल है। मॉडल की तुलना विभिन्न उपायों के माध्यम से अन्य प्रसिद्ध क्लासिफायर के साथ की जाती है, जिसमें सभी या आंशिक अवलोकन शामिल हैं, और असंतुलित डेटा के नाजुक प्रश्न को प्रबंधित करने के लिए संतुलन विधियों का उपयोग या नहीं करना शामिल है। एक बायेसियन नेटवर्क को एक अच्छे समाधान के रूप में प्रस्तुत किया जाता है, जो जोखिम कारकों का मूल्यांकन करने के लिए परिणामों की गुणवत्ता और विशेषज्ञ के दृष्टिकोण से मॉडल की व्याख्या/व्याख्यात्मकता को जोड़ता है। परिणाम दिखाते हैं कि गिरने के लिए जोखिम कारकों की उपस्थिति या अनुपस्थिति की भविष्यवाणी करना एक चुनौतीपूर्ण कार्य है। जबकि बायेसियन नेटवर्क और अन्य क्लासिफायर संतुलित सटीकता और f1-स्कोर जैसे उपायों के संदर्भ में समान रूप से प्रदर्शन करते हैं, बायेसियन नेटवर्क की रुचि उनकी व्याख्या और आंशिक अवलोकनों का उपयोग करने की क्षमता में निहित है।

संक्षेप में, यह थीसिस गिरने की रोकथाम के लिए एक आवेदन की ओर एक योगदान प्रस्तुत करती है जो वास्तविक डेटा सेट और बायेसियन नेटवर्क का उपयोग करके रोगी के आंशिक अवलोकनों से स्वचालित जोखिम कारक मूल्यांकन की सुविधा प्रदान करती है। प्रस्तावित ज्ञान मॉडल (बायेसियन नेटवर्क) क्रमशः वास्तविक डेटा और एआई-आधारित अनुप्रयोगों का उपयोग करने की चुनौतियों को संबोधित करता है।

कीवर्ड: वर्गीकरण, मशीन लर्निंग, गिरने की समस्या, गिरने की रोकथाम, बायेसियन नेटवर्क