Cluster analysis of decompression illness
Dekompresyon hastalığının cluster analizi
- Tez No: 287362
- Danışmanlar: DR. VİNCENT LABATUT, YRD. DOÇ. DR. S. MURAT EGİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Decompression Illness, clustering, association rules, data mining, association, COBWEB, K-Means
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 53
Özet
Dekompresyon nedeniyle insan vücudunda dokularda lokal zararlara yol açan veya kan dolaşımını engelleyen hava kabarcıkları sebebiyle dalgıçlarda görülen Dekompresyon hastalığının çeşitli sınıflandırmaları mevcutturDekompresyon hastalığının teşhisi ve sınıflandırması hastanın farklı belirti ve bulgularının değerlendirilmesi ile yapılır. Tedavisi basınç odalarında yapılır ve koşulların hastalığın tipine göre belirlenen basınç ve zamanın ters çevrilmesiyle (Rekompresyon) yapılır.Dekompresyon hastalığının birçok belirti ve bulguya sahip olması farklı sınıflandırmalara ve dolayısıyla farklı tedavi şekillerine yol açmaktadır.Kimi zaman, doktor olmadığı ortamlarda tedavi basınç odası operatörleri tarafından başlatılmaktadır ve bu da dekompresyon hastalığının doğru sınıflandırılmasının ne kadar önemli olduğunu ve veri madenciliği tekniklerinin karar destek aracı olarak hastalığın tipini belirlemede kullanılabileceğini göstermektedir.Bu tez çalışmasında farklı clustering algoritmaları (k-ortalama, COBWEB, EM ) ile Divers Alert Network(Dalgıçların Acil Durum Ağı)'nın dalış yaralanmaları bildirim formlarından elde ettiğimiz belirti ve bulgu listelerini kullanarak dekompresyon hastalığını sınıflandırdık ve sonuçlarımızı klasik sınıflandırma yöntemleri, yeni yapılan istatiksel sınıflandırma yöntemleri ve tedavi sonuçları ile karşılaştırdık. Ayrıca teşhiste yardımcı olabilecek birliktelik kuralları (association rules) elde ettik.Sonuç olarak, clustering yöntemleriyle elde ettiğimiz sınıfların yeni yapılan istatistiksel sınıflandırmalarla ve klasik sınıflandırmalarla uyumlu olduğunu ve hafiften şiddetli vakalara giden hiyerarşik yapıda olduğunu gözlemledik.Anahtar Sözcükler : Dekompresyon Hastalığı, Clustering, birliktelik kuralları,veri madenciliği, birliktelik, COBWEB, EM, K-Means
Özet (Çeviri)
There have been many classifications of Decompression Illness (DCI) which is seen in divers as the result of bubbles which expand in human body causing local damage in tissues or which block blood circulation because of decompression.The diagnosis and classification of DCI is made observing the patient?s symptoms and signs. The treatment is performed in a hyperbaric chamber where the conditions are reversed (recompression) and the combination of pressure and time is determined by the type of the disease.The problem is that DCI has a lot of signs and symptoms, resulting in a lot of different classifications of the illness requiring different treatment plans which makes the correct classification of DCI extremely important and data mining techniques can be used as decision support tools to determine the type of DCI.In this thesis we classified empirically the DCI patients using the sign and symptom list of the Diving Injury Reporting Forms (DIRF) of Divers Alert Network with different clustering algorithms (k-means, COBWEB, EM) and compared our results with recent statistical studies on DCI classification and other classifications and outcome of treatment. And we have also found association rules which will contribute differential diagnosis.Consequently, the classes we have obtained after clustering have the characteristics of hierarchy from mild to severe as in other classifications and as in recent classifications of DCI.
Benzer Tezler
- Kasko sigortası cam hasarı küme analizi
Cluster analysis of glass damage in motor insurance
MEHMET İNCİ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
PROF. DR. SERHAT ÖZEKES
- Alternatif kümeleme yöntemlerinin karşılaştırılmalı analizi ve bir uygulaması
Comparative analysis of alternative cluster methods and application
MEHMET ŞAMİL GÜNEŞ
Yüksek Lisans
Türkçe
2017
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. DOĞAN YILDIZ
- Cluster analysis of streamflow data over Turkey
Türkiye akım verilerinin küme analizi
MEHMET CÜNEYD DEMİREL
Yüksek Lisans
İngilizce
2004
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ.DR. ERCAN KAHYA
- OECD ülkelerinin Ekonomik Özgürlük Endeksi ve Dünya Mutluluk Raporu açısından kümeleme analizi
Cluster analysis of OECD countries in terms of Economic Freedom Index and World Happiness Report
HÜSEYİN KAYA
Yüksek Lisans
Türkçe
2022
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. İPEK DEVECİ KOCAKOÇ
- Uzaklık ölçülerinin kümeleme analizine olan etkilerinin incelenmesi ve geliştirilmesi
An investigation of effects on cluster analysis of distance measurements and improvement
MURAT ERİŞOĞLU