Geri Dön

Cluster analysis of decompression illness

Dekompresyon hastalığının cluster analizi

  1. Tez No: 287362
  2. Yazar: BARIŞ AKSOY
  3. Danışmanlar: DR. VİNCENT LABATUT, YRD. DOÇ. DR. S. MURAT EGİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Decompression Illness, clustering, association rules, data mining, association, COBWEB, K-Means
  7. Yıl: 2009
  8. Dil: İngilizce
  9. Üniversite: Galatasaray Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
  12. Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  13. 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

  1. Kasko sigortası cam hasarı küme analizi

    Cluster analysis of glass damage in motor insurance

    MEHMET İNCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar Üniversitesi

    Yapay Zeka Mühendisliği Ana Bilim Dalı

    PROF. DR. SERHAT ÖZEKES

  2. Alternatif kümeleme yöntemlerinin karşılaştırılmalı analizi ve bir uygulaması

    Comparative analysis of alternative cluster methods and application

    MEHMET ŞAMİL GÜNEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    İstatistikYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    YRD. DOÇ. DR. DOĞAN YILDIZ

  3. Cluster analysis of streamflow data over Turkey

    Türkiye akım verilerinin küme analizi

    MEHMET CÜNEYD DEMİREL

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ.DR. ERCAN KAHYA

  4. 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

    Türkçe

    2022

    EkonometriDokuz Eylül Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. İPEK DEVECİ KOCAKOÇ

  5. Uzaklık ölçülerinin kümeleme analizine olan etkilerinin incelenmesi ve geliştirilmesi

    An investigation of effects on cluster analysis of distance measurements and improvement

    MURAT ERİŞOĞLU

    Doktora

    Türkçe

    Türkçe

    2011

    İstatistikÇukurova Üniversitesi

    İstatistik Bölümü

    PROF. DR. SADULLAH SAKALLIOĞLU