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
- Tez No: 287619
- Danışmanlar: YRD. DOÇ. DR. KADİR KAVAKLIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Pamukkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2013
BiyoteknolojiBoğaziçi ÜniversitesiPROF. DR. AHMET ADEMOĞLU
YRD. DOÇ. DR. HASAN HÜSEYİN OTU
- Multiple criteria approaches for medical decision support models
Medikal karar destek modelleri için çok kriterli yaklaşımlar
MELODİ CEBESOY
Yüksek Lisans
İngilizce
2020
Endüstri ve Endüstri MühendisliğiHacettepe ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEREN TUNCER ŞAKAR
DR. ÖĞR. ÜYESİ BARBAROS YET
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiNörobilim Ana Bilim Dalı
DOÇ. DR. TÜRKER TEKİN ERGÜZEL
- 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
2022
Bilim ve TeknolojiAltınbaş ÜniversitesiBilişim Ana Bilim Dalı
Assist. Prof. Dr. SEFER KURNAZ
- 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
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Ana Bilim Dalı
Assist. Prof. YASA EKŞİOĞLU ÖZOK