Kalp hastalıklarının erken teşhisi için makine öğrenmesi algoritmalarının karşılaştırmalı performans analizi
Comparative performance analysis of machine learning algorithms for early detection of heart diseases
- Tez No: 1003780
- Danışmanlar: DOÇ. DR. KADİRİYE ŞİMŞEK ALAN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Matematik, Statistics, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Matematik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde kalp ve damar rahatsızlıkları, küresel ölçekte en fazla can kaybına yol açan sağlık problemleri arasında yer almaktadır. Bu hastalıkların önceden tespit edilmesi, hastaların yaşam kalitesini yükseltmek ve ölüm riskini azaltmak bakımından büyük önem taşımaktadır. Bilgisayar destekli tanı sistemleri, bu alanda hekimlere önemli bir destek mekanizması sunmaktadır. Mevcut çalışmada, kardiyak rahatsızlıkların önceden belirlenmesine yönelik olarak farklı sınıflandırma tekniklerinin etkinliği incelenmiştir. Araştırmada Cleveland kliniği verilerini içeren ve uluslararası literatürde sıkça tercih edilen bir veri kümesi temel alınmıştır. Söz konusu veri kümesi, dört farklı sağlık merkezinden derlenen toplam 920 bireye ait klinik ölçümleri barındırmaktadır. Araştırma kapsamında gradyan artırma tabanlı yöntemler (XGBoost, LightGBM), mesafe temelli sınıflandırıcılar (KNN), çekirdek fonksiyonlu ayırıcılar (SVM), olasılıksal modeller (Lojistik Regresyon) ve ağaç toplulukları (Random Forest) olmak üzere altı ayrı teknik değerlendirilmiştir. Veri hazırlama sürecinde kayıp gözlemler tahminleme yöntemleriyle tamamlanmış, sınıflar arası dengesizlik ise sentetik örnekleme ile giderilmiştir. Deneysel bulgular, çekirdek tabanlı sınıflandırıcının (SVM) %83 başarı oranı ve 0.88 eğri altı alan değeri ile öne çıktığını ortaya koymuştur. Ağaç topluluğu yöntemi ise 0.90 eğri altı alan skoru ile sınıflar arası ayrım gücünde en yüksek performansı sergilemiştir. Araştırma sonuçları, otomatik öğrenme yaklaşımlarının kardiyak tanıda güvenilir bir yardımcı araç olabileceğine işaret etmektedir.
Özet (Çeviri)
Heart and circulatory system disorders represent a major public health challenge, accounting for a significant proportion of mortality cases globally. Timely identification of these conditions plays a crucial role in enhancing patient outcomes and reducing fatality rates. Computer-aided diagnostic tools have emerged as valuable instruments to assist medical professionals in this domain. The present research examines the effectiveness of various classification approaches for the preliminary detection of cardiac abnormalities. The investigation utilizes a widely-recognized clinical dataset compiled from four distinct medical institutions, encompassing diagnostic measurements from 920 individuals along with 14 clinical attributes. Six distinct analytical techniques were evaluated in this study: gradient boosting frameworks (XGBoost, LightGBM), instance-based classifiers (KNN), kernel-based separators (SVM), probabilistic models (Logistic Regression), and tree ensemble methods (Random Forest). During data preparation, incomplete observations were addressed through predictive imputation, while inter-class disparity was mitigated using synthetic sampling strategies. Experimental outcomes indicate that the kernel-based classifier (SVM) achieved superior overall results with 83% classification accuracy and 0.88 area under the curve metric. The tree ensemble approach demonstrated the strongest discriminative capability, attaining a 0.90 area under the curve value. These findings suggest that automated learning methodologies can serve as reliable assistive tools in cardiac diagnosis.
Benzer Tezler
- Pediatrik göğüs ağrısı ile kalp hastalığı tanısında makine öğrenmesi uygulamaları
Machine learning applications in the diagnosis of heart disease in pediatric chest pain
ASUDE DEMİR
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUNUS DEMİR
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Kalp hastalığı tanısında Weka tabanlı makine öğrenmesi algoritmalarının performans analizi
Performance analysis of Weka-based machine learning algorithms in heart disease diagnosis
BEKİR CAN TELKENAROĞLU
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİzmir Bakırçay ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHAR DEMİRTÜRK
- Makine öğrenmesi yöntemleriyle kalp hastalarının sağkalım tahmini
Survival prediction of heart patients with machine learning methods
FATMA AZİZOĞLU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HİDAYET TAKCI
- Yapay zekâ tabanlı elektrokardiyografi sinyali ile kan basıncı tespiti
AI-based blood pressure detection with electrocardiography signal
DERYA KANDAZ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR