"Proof of Concept" Projekt. Gezeigt werden sollte, dass die Qualitätsbeurteilung von Lungenfunktionsmessreihen (Spirometrie) weitgehend automatisiert werden kann. Diese Qualitätsbeurteilung (Overreads) wurden bisher von einem kostenintensiven weltweiten Netz von Lungenfachärzten durchgeführt.
Bei einem Dataset mit 170.000 qualifizierten Messreihen wurde mit verschiedenen Klassifizierern und Meta-Parameter Variationen untersucht, ob ein hoher Anteil der Overreads (> 80 %) mit großer Zuverlässigkeit (False-Positiv-Prognosequote < 0,5 %) per ML automatisch klassifiziert werden konnte. Außerdem wurde geprüft, auf welchem Weg (Webservice, ONNX-File) der resultierende ML-Algorithmus optimal für Anwendungen verfügbar gemacht werden konnte.
Die eingesetzen Klassifizierer waren: SVM/Stützvektoren (Gauss, Sigmoid, Maximum Margin, Kernel), k-Nearest Neighbor und Random Forest.
Deep-Learning-Verfahren waren zunächst nicht geplant.
Rolle: Entwickler / Programmierer (1-Personen-Projekt)
Skills: Python 2.7/3.6, Pandas, scikit-learn (Python sklearn), Jupyter-Notebook, Spirometrie