MU Wien:Machine Learning in der Medizin VU (Dorffner, Seeböck, Widder)/2022 Prüfung

1. Sie bekommen die Aufgabe gestellt, eine Vorhersage der Mortalität nach Schlaganfall anhand von ca. 2000 Voxel-Werten eines MRT-Bildes mittels maschinellen Lernens zu erstellen. Sie bekommen dafür 45 Fälle (20 Verstorbene und 25 Überlebende). Wie würden Sie hier zwecks Validierung des Modells vorgehen und warum?
2. Angenommen, Sie haben eine Zeitreihe von täglichen Laborwerten von einer Menge von Patienten und möchten mittels neuronaler Netze lernen, aus Werten in der Vergangenheit den Gesundheitszustand eines Patienten zwei Tage in die Zukunft vorherzusagen. Man weiß, dass sich eine Schwankung in den Laborwerten bis zu zwei Wochen später auf die Gesundheit auswirken kann. Erklären Sie, welcher Typ von neuronalem Netz (Mehrebenenperzeptron, Rekurrentes Perzeptron, LSTM) sich hier am besten eignen wird und warum, bzw. unter welchen Umständen.
3. Die folgende Abbildung zeigt mehrere Durchläufe (rot und grün) einer nichtlinearen Regression anhand von verrauschten Daten (die blaue Linie zeigt das wahre Datenmodell). Betrachten Sie die den eingekreisten Testpunkt und geben an, wie groß der Fehler (in Einheiten der y-Achse) ungefähr ist, den das grüne Modell für diesen Punkt in der Regression macht, in Bias, Varianz und Rauschen zerlegt. Bitte um kurze Begründung (verbal oder durch Zeichnung).
4. Wofür werden skip connections verwendet?
5. Wofür wird Dropout verwendet?
6. Erklären Sie Bagging detailliert. Wie sieht das Ergebnis aus? Welcher Fehler wird damit minimiert?
7. Es sind für das gradienten Verfahren zwei Beispiele mit unterschiedlichen Learning Rates gegeben, die eine groß, die andere klein. Die Schritte sollen in ein großes U eingezeichnet werden. Welches sollte verwendet werden?
8. Wann wird Unsupervised Learning verwendet?
9. convolutional vs fully conected neuronal network: spatial relations used, which more weights, alles connected, for images
10. Nennen Sie eine Explainable AI und erklären Sie diese.