Geri Dön

Tıbbi veri kümeleri arasındaki birliktelik kurallarının çok amaçlı genetik algoritma ile çıkarılması

Extraction of association rules in medical datasets via multi-objective genetic algorithms

PDF İndir

  1. Tez No: 270004
  2. Yazar: BUKET KAYA
  3. Danışmanlar: DOÇ. DR. İBRAHİM TÜRKOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Computer Engineering and Computer Science and Control, Bioengineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2010
  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: 62

Özet

Tıbbi verilerin hacimlerinin artması nedeniyle bu verilerden bilgi çıkarmak oldukça zorlaşır. Günümüzde çok büyük miktarda bilgi sürekli bir biçimde hastaların fizyolojik parametreleri gözlemlenerek toplanılmaktadır. Artan veri miktarları tıp uzmanları tarafından yapılan manüel analizleri bıktırıcı ve bazen imkansız birer görev haline getirmiştir. Analiz yapanlar, potansiyel olarak faydalı olabilecek bazı bilgilerin farkına varamayabilmektedir. Veri miktarında meydana gelen hızlı artış sonucu faydalı bilginin çıkarımı konusunda otomatikleştirilmiş bir yola ihtiyaç duyulur. Bu problem için kullanılan yaklaşımlardan biri veritabanları üzerinde bilgi keşfi veya veri madenciliği yöntemidir.Bu tezin amacı, şizofreni hastalığına ait tıbbi verilerden çok amaçlı genetik algoritma kullanarak bağıntı ve sınıflandırma kurallarını çıkarmaktır. Bağıntı ve sınıflandırma kuralları özellikle tıbbi teşhis alanında uygulanan tıbbi problemler için faydalıdır. Bu tip kurallar tıbbi uzmanlar tarafından doğrulanabilir ve bu durum mevcut problemin daha iyi anlaşılmasını sağlar.Son on yılda veri madenciliğinde kural keşfi üzerine pek çok teknik uygulanmıştır. Bu tekniklere örnek olarak uzman sistemler, yapay sinir ağları, veritabanı sistemleri ve evrimsel algoritmalar verilebilir. Evrimsel algoritmalar doğal evrim sürecinden esinlenerek geliştirilen hesapsal tekniklerin bir sınıfıdır. Doğal evrim süreci, gerçek hayatta karşılaşılan problemleri çözmek için doğal seçim ve en iyinin hayatta kalması mekanizmalarını örnek alır. Çok amaçlı evrimsel algoritmalar, kıyaslanamayan ve çoğunlukla rekabet halinde olan amaçların eş zamanlı optimizasyonu ile uğraşır.Bu tezdeki amaç, çok amaçlı genetik algoritma kullanarak sınıflandırma ve birliktelik kurallarını etkin bir şekilde bulmaktır. Bu maksatla şizofreni hastalarının sosyodemografik ve biyokimya verilerine uygulanan yöntem, suç işleme durumları dikkate alındığında sosyodemografik verilere daha bağımlı olduğu gözlenmiştir.

Özet (Çeviri)

Medical data are facing a challenge of knowledge discovery from the growing volume of data. Nowadays enormous amounts of information are continuously collected by monitoring physiological parameters of patients. The growing amounts of data has made manual analysis by medical experts a tedious task and sometimes impossible. Many hidden and potentially useful relationships may not be recognized by the analyst. The explosive growth of data requires an automated way in order to extract useful knowledge. One of the possible approaches of this problem is data mining or knowledge discovery from databases. Through data mining, interesting knowledge and regularities can be extracted and the discovered knowledge can be applied in the corresponding field to increase the work efficiency and in order to improve the quality of decision making. The objectives of the thesis are to extract association and classification rules from the schizophrenia medical data. Association and classification rules are typically useful for medical problems which have been massively applied particularly in the area of medical diagnosis. Such rules can be verified by medical experts and provide better understanding of the problem in-hand. Numerous techniques have been applied to rule discovering in data mining over the past decades, such as expert systems, artificial neural networks, linear programming, database systems and evolutionary algorithms. Among these approaches, the evolutionary algorithms have been emerged as promising techniques in dealing with the increasing challenge of data mining in medical area. The evolutionary algorithm is a class of computational techniques inspired by the natural evolution process that imitates the mechanism of the natural selection and survival-of-the-fittest in solving real life problems.In this thesis, the aim is to discover classification and association rules via multi-objective evolutionary algorithms. Contrary to single-objective ones, multi-objective evolutionary algorithms deal with simultaneous optimization of several incommensurable and often competing objectives.

Benzer Tezler

  1. Tez No

    611747

    Real-time monitoring tool for inpatient antibiotic consumption

    Gerçek zamanlı yatan hasta antibiyotik tüketimi izleme aracı

    VELİ OĞUZALP BAKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    BiyoistatistikKoç Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    DOÇ. DR. MEHMET GÖNEN

  2. Tez No

    847190

    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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Tez No

    859134

    2018-2023 yılları arasındaki glioblastoma hastaları kullanılarak yapılan yapay zeka çalışmalarının sistematik olarak analizi

    Systematic analyzing of artificial intelligence studies carreied out on people with glioblastoma between the years 2018 and 2023

    ELİN KARADAĞ YAVUZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Sağlık YönetimiİSTANBUL NİŞANTAŞI ÜNİVERSİTESİ

    Sağlık Yönetimi Ana Bilim Dalı

    PROF. DR. ZEYNEP BİRSU ÇİNÇİN

  4. Tez No

    179729

    Tanecikli hesaplama yöntemi ile kavram çözümleme

    Concept analysis with granular computing method

    MERT BAL

    Doktora

    Türkçe

    Türkçe

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. HAYRİ SEVER

    PROF. DR. OYA KALIPSIZ

  5. Tez No

    303404

    Doğrusal olmayan temel bileşenler analizi ve sağlık alanında uygulaması

    Nonlinear principal component analysis and application in health science

    CANAN DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    BiyoistatistikYüzüncü Yıl Üniversitesi

    Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı

    DOÇ. DR. SIDDIK KESKİN

Geri Dön