Geri Dön

Tıbbi verileri çizge bölütleme yöntemi ile sınıflandırma ve kümelendirme

The classification and clustering of medical data by graph partitioning method

  1. Tez No: 222094
  2. Yazar: MEHMET YİĞİTER
  3. Danışmanlar: YRD. DOÇ. DR. ALİ KRCI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Bioengineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2008
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 70

Özet

Bilgisayar başta olmak üzere bilgi teknolojilerinin hızlı gelişiminin olumlu etkisiyle ?Bilgi Çağı? olarak tanımlanan günümüz dünyasında karmaşık biçimlerdeki büyük veri yığınları içinden değerli bilgi parçalarını ayıklamak ve kullanılır hale getirmek ?Veri Madenciliği? işlemleri ile olmaktadır. Bilgisayar mühendisliği ve biyomühendislik bilim dallarında veri miktarının artması sonucunda uzmanın yararlı bilgiyi çıkarması zorlaşmaktadır. Bu yararlı bilgiyi çıkarmada, veri toplanması veya üretilmesi için sinyali doğru algılama, verilerin doğru sınıflandırılması ve kümelendirilmesi ile çok boyutlu ilişkilerinin ortaya konularak analizi çok önemlidir.Bu çalışmada ?tıbbi verileri çizge bölütleme yöntemi ile sınıflandırma ve kümelendirme? için doğrusal cebir tabanlı bir hesapsal yöntem kullanılarak ve bu yöntemin başarımının ortaya konulması için veri madenciliği alanına uygulaması yapıldı.Çizge bölütleme yöntemi, başta tıbbi verilerde sınıflandırma ve kümelendirme problemleri olmak üzere bir çok bilimsel problemin çözümünün kolaylaştırılması veya bu çözümün bulunması amacıyla yapılan çalışmalar sonucunda ortaya çıkmıştır. Bundan dolayı çizgelerin analizi ve testi yöntemin geliştirilmesi çok önemlidir.Bu çalışmanın en önemli özelliği, tıbbi verileri çizge bölütleme yöntemi ile sınıflandırma ve kümelendirme algoritmalarının uygulamasının yapılmış olmasıdır.

Özet (Çeviri)

In the todays world known as ?knowledge age?, to get the important data from the large database with complex formats and to use them for utility it is made by procedure of datamining. Because of the increasing of data amount in the departments of Computer Engineering and Bioengineering, it is difficult to get the utility knowledge by specialist. For this, it is very important the collection of data or the accurate sensation of signal for the accumulation of data, the classification and clustering of data in the appropriate form, by analysis the multi-dimensional togetherness relationship.In this study, it is built up a calculation method based on linear algebra for ?the classification and clustering of medical data by graph partitioning method? and it is used the data mining for the evaluation of this method.The graph partritioning method has been discovered to the faciliation of solution of some scientific problems especially the classification and clustering of medical data.For this reason, it is very important to develop this method (the analysing and testing of graphs).The most important attribute of this study is to give applications for the classification and clustering of medical data by graph partitioning method.

Benzer Tezler

  1. Mekansal-zamansal hasta hareketlilik verileriyle mekansal etkileşim örüntülerinin analizi ve akış haritaları aracı tasarımı ve geliştirilmesi

    Analysis of spatial interaction patterns using spatio temporal patient mobility data, and designing and developing a flow mapping tool

    SELMAN DELİL

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. RAHMİ NURHAN ÇELİK

  2. Multilevel cluster ensembling for histopathological image segmentation

    Histopatolojik görüntü bölütlemesi için çok seviyeli kümeleme bileşimi

    AHMET ÇAĞRI ŞİMŞEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    PROF. DR. CEVDET AYKANAT

    YRD. DOÇ. DR. ÇİĞDEM GÜNDÜZ DEMİR

  3. Knowledge graph representation of electronic health records for clinical predictions

    Elektronik sağlık kayıtlarını temel alan bilge çizge temsillerinin klinik tahminlerde kullanımı

    EGE ALPAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZNUR TAŞTAN OKAN

  4. Karmaşık ağlardaki modül yapılarının ve anlamlı alt-ağların tespiti

    Detection of module structures and significant sub-networks in complex networks

    YILMAZ ATAY

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİFE KODAZ

  5. Analysis of genetic network using graph matching

    Genetik ağların öznitelikli çizge eşleme kullanılarak çözümlemesi

    YASEMİN TÜRKELİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2002

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FİKRET GÜRGEN

    YRD. DOÇ. DR. UĞUR SEZERMAN