Luurankolihassolun glykolyysin simulointi differentiaaliyhtälöillä

Solun aineenvaihduntaa on hankala tutkia. Simulointi voi olla eräs ratkaisu ongelmaan. Tutkielma tarkastelee differentiaaliyhtälöihin perustuvaa luurankolihaksen glykolyysin simuloimista. Siihen on kehitetty 2000-luvulla glykolyysin reaktioiden empiirisiin mittaustuloksiin perustuvia malleja. Differentiaaliyhtälömallit soveltuvat hyvin simuloimiseen, ja suurinpana ongelmana voidaan pitää parametrien saatavuutta ja epävarmuutta. Cell metabolism is difficult to investigate. Simulation can be one solution to the problem. This thesis examines differential equation based simulation of skeletal muscle glycolysis. For simulation, in 2000s it has been developed models based on empirical measurement…

Aerobisen ja anaerobisen kynnyksen määrittäminen laskennallisesti juoksumattotestidatasta

Kunto- ja urheilutestauksessa halutaan usein selvittää henkilön aerobinen ja anaerobinen kynnys. Kynnykset voidaan jakaa määrityksessä käytettyjen muuttujien mukaan ventilaatio- ja laktaattikynnyksiin. Kynnykset ilmiönä ovat kiistanalaisia ja haasteellisia. Tässä tutkimuksessa tarkasteltiin kirjallisuudesta löytyviä aerobisen ja anaerobisen kynnyksen määritysmenetelmiä ja niiden soveltuvuutta suomalaiseen kuntotestausprotokollaan. Tutkimuksessa testattiin 12 kynnysmääritysmenetelmää, joista yksi oli kirjallisuudesta löytynyt, kahdeksan oli löytyneistä jatkokehitettyjä ja kolme uusia menetelmiä. Parhaat menetelmät saivat parempia tuloksia kuin kirjallisuudesta löytyneet tulokset. Determining…

Tekoälyn perusteita ja sovelluksia

Omadata terveydenhuollon tietointensiivisessä rakenteessa

DeepFake knee osteoarthritis X-rays from generative adversarial neural networks deceive medical experts and offer augmentation potential to automatic classification

Recent developments in deep learning have impacted medical science. However, new privacy issues and regulatory frameworks have hindered medical data sharing and collection. Deep learning is a very data-intensive process for which such regulatory limitations limit the potential for new breakthroughs and collaborations. However, generating medically accurate synthetic data can alleviate privacy issues and potentially augment deep learning pipelines. This study presents generative adversarial neural networks capable of generating realistic images of knee joint X-rays with varying osteoarthritis severity. We offer 320,000 synthetic (DeepFake) X-ray images from training with 5,556 real images. W…

Validation of Knee KL-classifying Deep Neural Network with Finnish Patient Data

Osteoarthritis (OA) is the most common form of joint disease in the world. The diagnosis of OA is currently made by human experts and suffers from subjectivity, but recently new promising detection algorithms have been developed. We validated the current state-of-the-art KL-classifying neural network model for knee OA using knee X-rays taken from postmenopausal women suffering from knee pain attributable to OA. The performance of the model on the clinical data was considerably lower compared to the previous results on population-based test data. This suggests that the performance of the current grading methods is not yet adequate to be applied in clinical settings. The present results also …