Geri Dön

Bayes ağları kullanarak medikal transtorasik ekokardiyografi verilerinin işlenmesi ve teşhis yazılımı geliştirilmesi

Processing of medical transthoracic echocardiography data using Bayesian networks and diagnostic software development

  1. Tez No: 287619
  2. Yazar: BEDİA SÜNDÜZ KILIÇ
  3. Danışmanlar: YRD. DOÇ. DR. KADİR KAVAKLIOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: Türkçe
  9. Üniversite: Pamukkale Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 127

Özet

Karar destek sistemleri; karar vericiyi ortadan kaldırmadan analitik tekniklerle karar vericiye karar vermede yardımcı olan, tavsiyelerde bulunan sistemlerdir. Tıp alanında karar verici olan doktorlara yardımcı olan karar destek sistemleri tıbbi teşhis sistemleridir. Tıbbi teşhis sistemleri; hasta bilgilerini kullanarak doktorların veya diğer sağlık personelinin hastanın durumu hakkında karar almalarına yardımcı olan programlardır. Kararların zamanında alınmasına, deneyimsizlikten ya da insani durumlardan dolayı gözden kaçırılabilen belirtiler sonucu oluşabilecek hataların önüne geçilmesine aynı zamanda da hastalıkların erken teşhis edilebilmesine yardımcı olurlar. Böylece verimlilik artar ve alınan kararların kalitesi yükselir.Tıbbi teşhis sistemleri yapay sinir ağları, bulanık mantık, kural tabanlı yaklaşım, karar ağaçları ve Bayes ağları gibi yöntemler kullanılarak geliştirilebilir.Tez kapsamında yukarıda bahsi geçen tekniklerden Bayes ağ yapısı ile bir teşhis destek sistemi oluşturulmuştur. Bu sistem kalp hastalarının kalp ölçümlerinin yapıldığı Transtorasik Ekokardiyografi işlemi sonucu elde edilen veriler ile geliştirilmiş olup vakaların %85'ini doğru teşhis edebilmektedir. Sistemin oluşturulabilmesi için örnek seçilen bir hastaneye ait elektronik hasta kayıtlarından yararlanılmıştır. Ayrıca teşhise gitme aşamasında gerekli olan verileri sınıflandırma bilgileri alan uzmanlarının yardımlarıyla belirlenmiştir.Bu çalışmayla test sonuçlarının yorumlanma zamanının azaltılmasına, insan hatalarından kaynaklanabilecek sorunların giderilmesine katkıda bulunulması planlanmaktadır. Böylece sistemin toplam güvenilirliğinin artırılması yönünde katkılar sağlanacağı düşünülmektedir.

Özet (Çeviri)

Decision support systems use mathematical techniques to help decision makers by assisting them in diagnosis. In the field of medicine, decision makers are usually doctors and other medical personel. Medical diagnosis systems use patient data to make decisions on the status of a given patient. Computerized diagnosis systems can complement inexperience by medical staff and human errors that are encountered in hospitals and clinics. This leads to improved efficiency and quality.Medical diagnosis systems use artificial neural networks, fuzzy logic, rule-based approach, decision trees and Bayesian networks among many other methods.Within the present thesis, Bayesian networks were used to develop a diagnosis software. This system interprets Transthoracic Echocardiography results and produces an output about the status of the patient. Models built within this thesis proceed 85% accuracy. Modeling data for this study were obtained from a local hospital.This study aims at developing a Bayesian network based model to reduce analysis times and contribute towards eliminating human errors. This helps improving overall system reliability.

Benzer Tezler

  1. Identifying gene interactions for time series microarray data using dynamic Bayesian networks and external biological knowledge

    Harici biyololojik bilgi ve dinamik Bayes ağları kullanarak genler arası etkileşimleri tanımlamak

    UMUT AĞYÜZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    BiyoteknolojiBoğaziçi Üniversitesi

    PROF. DR. AHMET ADEMOĞLU

    YRD. DOÇ. DR. HASAN HÜSEYİN OTU

  2. Multiple criteria approaches for medical decision support models

    Medikal karar destek modelleri için çok kriterli yaklaşımlar

    MELODİ CEBESOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Endüstri ve Endüstri MühendisliğiHacettepe Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CEREN TUNCER ŞAKAR

    DR. ÖĞR. ÜYESİ BARBAROS YET

  3. Obsesif kompulsif bozukluk ve trikotilomani hastalıklarının makine öğrenim yöntemi ile sınıflandırılması

    Classification of obsessive compulsive disorder and tricotillomic diseases by machine learning method

    HATİCE SULTAN DURSUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar Üniversitesi

    Nörobilim Ana Bilim Dalı

    DOÇ. DR. TÜRKER TEKİN ERGÜZEL

  4. Use of data mining techniques for early cardiovascular disease prediction

    Erken kardiyovasküler hastalığın tahmini için veri madencilik tekniklerinin kullanımı

    AWS NABEEL AHMED ALSALIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilim ve TeknolojiAltınbaş Üniversitesi

    Bilişim Ana Bilim Dalı

    Assist. Prof. Dr. SEFER KURNAZ

  5. Estimation of heart disease based on data mining using patients health database

    Hasta sağlığı veri tabanı kullanarak veri madenciliğine dayalı kalp hastalığı tahmini

    AZHAR HATEM JEBUR AL BAIDHANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Ana Bilim Dalı

    Assist. Prof. YASA EKŞİOĞLU ÖZOK