Geri Dön

Tiroit hastalığının teşhisinde uzman sistemlerin kullanılması

Thyroid disease diagnosis using expert systems

PDF İndir

  1. Tez No: 338762
  2. Yazar: RAMAZAN SOLMAZ
  3. Danışmanlar: DOÇ. DR. AHMET ALKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 79

Özet

Bu tez çalışmasında, tiroit hastalıklarının teşhisi uzman sistemler kullanılarak incelenmiştir. Çalışmada kullanılan veriler herkese açık olan UCI (ftp://ftp.ics.uci.edu/pub/machine-learning-databases) veri tabanından alınmıştır. Alınan veri setleri üç gruptan oluşmaktadır. Bu veriler dolaşım sistemine salgılanan tiroit hormonlarının (T3, T4, TSH, TRH) kandaki seviyelerinin ölçümü ile elde edilir. Tiroit bezi yapısı itibariyle küçük olmasına rağmen üstlendiği görevler yönüyle insan endokrin sistemi için büyük öneme sahiptir. Tiroit bezi bir endokrin bezi olup tüm vücut fonksiyonları düzenleyicisi olarak ifade edilmektedir. Bu bez T4 ve T3 olmak üzere iki tane hormon üretir ve kan dolaşım sistemine salgılar. Tiroit hastalığı yapısal ve fonksiyonel olmak üzere iki tiptir. Fonksiyonel tiroit hastalığı tiroit bezinin düzgün çalışmaması sonucu gelişebilmektedir. Tiroit fonksiyonel durumu üç ana grupta incelenebilir. Bunlar; Ötiroit (normal) durumu, Hipertiroit hastalığı ve Hipotiroit hastalığıdır. Veri setleri bu üç sınıfa ait farklı sayıda örneklerden oluşmaktadır. Her veri setri 5 veya 21 özelikler içermektedir. Başarılı bir tanı için birinci grup veri seti normalizasyon ve Temel Bileşen Analizi (TBA) kullanarak ön işlem yapılmıştır. Birinci grup verinin analiz edilmiş uygulama sonuçları ile analiz edilmemiş uygulama sonuçları karşılaştırılmıştır. Sınıflandırma teknikleri olan, Destek Vektör Makineleri, Naive Bayes, Diskriminant Analizi ve İleri Beslemeli Yapay Sinir Ağları veri setlerini Normal, Hipertiroidi ve Hipotiroidi olmak üzere üç sınıfa ayırmıştır. Bu sınıflandırma sonuçları denetimsiz öğrenme tabanlı kümeleme teknikleri, K-Ortalamalar ve Bulanık Küme Ortalamalar gibi kümeleme yöntemlerinin sonuçları ile karşılaştırılmıştır. Sonuçlarda %90?dan yüksek başarı oranları elde edilmiştir. Daha yüksek başarı derecesi için 10 kat çapraz doğrulama kullanılarak tiroit hastalığı için üç farklı sınıflara sınıflandırabilir olduğunu göstermektedir. Yapılan uygulamada sınıflandırma ve kümeleme sonuçları doğrulukları kabul edilebilir olduğunu göstermektedir ve önerilen sistem tiroit tanısı için bir karar destek aracı olarak kullanılabilir.

Özet (Çeviri)

In this thesis study, diagnosis of thyroid diseases are investigated by using expert systems. The used blood test data were taken from publicly available UCI (ftp://ftp.ics.uci.edu/pub/machine-learning-databases) database. The thyroid which is an endocrine gland is referred to as a regulator of all body functions. It produces hormones T3, T4 and secretes them to the blood circulatory system. The thyroid data includes blood test measurement result values which shows the amounts of thyroid hormones secreted in the blood. Although the structure of the thyroid gland is a small aspect of the task, it has a great importance in human endocrine system. There are two types of thyroid diseases such as anatomical and functional diseases. If thyroid gland does not work properly functional thyroid disease may occur depending on the blood values of TSH, TRH, T3 and T4. The data set contains different number of subjects of three class types as normal, hyperthyroidism and hypothyroidism. Each data contains 5 to 21 attributes depending on the database recorded from the blood tests. The used data were pre-processed by using normalization and Principal Component Analysis (PCA) to have an accurate features for a successful diagnosis. After this pre-processing step, classification techniques namely, Support Vector Machines, Naive Bayes, Discriminant Analysis and Feedforward Neural Networks are employed to classify the data as normal, hyperthyroidism and hypothyroidism. These classification results are compared with the unsupervised learning based clustering techniques such as, K-Means and Fuzzy C-Means clustering. The results show that the proposed decision support system can classify the three different classes for thyroid with 10-fold cross-validation accuracies of higher than 90% depending on the used techniques. Application of classification and clustering results indicate that the accuracies are acceptable and the proposed system can be used as a decision support tool for thyroid diagnosis.

Benzer Tezler

  1. Tez No

    693042

    Ağaç temelli makine öğrenmesi yöntemlerinin karşılaştırılması ve hastalık tanısı için uygulanması

    Comparison of tree-based machine learning methods and its application to diagnosis

    YUNUS EMRE CEYLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    İstatistikMuğla Sıtkı Koçman Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ERALP DOĞU

  2. Tez No

    813986

    Topluluk öğrenme yöntemlerinin hastalıkların teşhisinde kullanımı

    The use of ensemble learning methods in the diagnosis of diseases

    EMIN FARZALIYEV

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRULLAH SONUÇ

  3. Tez No

    325570

    Modeling the dynamics of thyroid hormones and related disorders

    Tiroit hormonlarının ve ilgili hastalıkların dinamiklerinin modellenmesi

    OYLUM ŞEKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Endokrinoloji ve Metabolizma HastalıklarıBoğaziçi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. YAMAN BARLAS

  4. Tez No

    430111

    Use of machine learning techniques for diagnosis of thyroid glang disorder

    Trioit bezi bozukluğu tanısı için makina öğrenme kullanımı

    İZDİHAR A.B. EL MOFEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZEKİ BOZKUŞ

  5. Tez No

    844963

    TSH reseptör antikorlarının tespitinde kullanılan mevcut yöntemlerin analitik performanslarının/klinik faydalarının karşılaştırmalı analizi

    Comparative analysis of analytical performance/clinical benefits of current methods used for detecting TSH receptor antibodies

    SEDA GÖKGÖZ ACAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    BiyokimyaGazi Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    PROF. DR. MUSTAFA KAVUTÇU

Geri Dön