Geri Dön

Yapay zekâ teknikleri ile hastaların koroner anjiyografi gerekliliğinin tahmini

Prediction of coronary angiography requirement of patients with artificial intelligence techniques

  1. Tez No: 343303
  2. Yazar: HARUN AKBULUT
  3. Danışmanlar: DOÇ. DR. NECAATTİN BARIŞÇI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Bulanık Mantık (BM), Çok Katmanlı Algılayıcı Sinir Ağları (ÇKA Sinir Ağları), Genetik Çok Katmanlı Algılayıcı Sinir Ağları (GÇKA Sinir Ağları), Koroner Anjiyografi (KA), Fuzzy Logic (FL), Multi Layer Perceptron Neural Network (MLP Neural Network), Genetic Multi Layer Perceptron Neural Network (GMLP Neural Network), Coroner Angiography (CA)
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Kırıkkale Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 88

Özet

Bu çalışmada, hastaların Koroner Anjiyografi (KA) gerekliliğinin tahmini için, Bulanık Mantık (BM), Çok Katmanlı Algılayıcı Sinir Ağı (ÇKA Sinir Ağı) ve Genetik Çok Katmanlı Algılayıcı Sinir Ağı (GÇKA Sinir Ağı) teknikleri kullanılmıştır. Bunun için 200 hastadan veri alınmıştır. Bu hastaların yarısı KA geçirmiş olup diğer yarısı ise KA geçirmemiş hastalardır. Hasta verilerinde kadın-erkek cinsiyetleri eş dağılımlı olarak seçilmiştir. BM sistemi için girişler ve çıkışlar belirlenmiş olup sistem test edilmiştir. BM sisteminin, hastaların KA gerekliliğinin tahmini için %86 oranında doğru karar verdiği gözlemlenmiştir. ÇKA Sinir Ağı ve GÇKA Sinir Ağı için eğitim ve test veri setleri belirlenmiştir. Daha sonra her iki sistem için test edilmiştir. Hastaların KA gerekliliğinin tahmini için, ÇKA Sinir Ağı sisteminin %90 oranında GÇKA Sinir Ağının ise %92 oranında doğru karar verdiği gözlemlenmiştir. Bu sonuçlar hastaların KA gerekliliğinin tahmininde, GÇKA sinir ağının BM ve ÇKA sinir ağına göre daha etkili olduğunu göstermiştir.

Özet (Çeviri)

In this study, prediction of coroner angiography (CA) requirement of patients is developed using approaches such as Fuzzy Logic (FL), Multi Layer Perceptron (MLP) and Genetic Multi Layer Perceptron (GMLP). Data of patients are received from 200 patients, half of whom undergo CA, the other half doesn?t undergo CA, the numbers of both men and women patients are equal. Input data and output data are determined and tested for FL. The correct classification rate is 86% for prediction of CA requirement of patients. Training data and testing data are determined and tested for both MLP and GMLP. The correct classification rate of MLP is 90% and the correct classification rate of GMLP is %92 for prediction of CA requirement of patients. These results are shown that GMLP is more effective from FL and MLP at prediction of CA requirement of patients.

Benzer Tezler

  1. Yapay zekâ-tabanlı hibrit anomali tespit ve klinik karar destek teknikleri ile kardiyovasküler hastalıkların ve COVİD-19'un otomatik tespiti

    Artificial intelligence-based hybrid anomaly detection and clinical decision support techniques for automated detection of cardiovascular diseases and COVİD-19

    MERVE BEGÜM TERZİ

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN ARIKAN

  2. Elektrookulogram (EOG) sinyalinin incelenmesi ve yapay zekâ teknikleri ile modellenmesi

    Analyzing elektrooculogram signal (EOG) and modelling by the artifical inteligience methods

    HANDE ERKAYMAZ

    Doktora

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik MühendisliğiBülent Ecevit Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MAHMUT ÖZER

    YRD. DOÇ. DR. İLHAMİ MUHARREM ORAK

  3. Diyabetik ayak hastalarının ampütasyon riskinin yapay zekâ teknikleri ile öngörülmesi

    Prediction of amputation risk of patients with diabetic foot by artificial inteligence techniques

    DENİZHAN DEMİRKOL

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Enformatik Ana Bilim Dalı

    DOÇ. DR. ÇİĞDEM EROL

  4. Makine öğrenmesi algoritmaları ile kalp hastalığı tahmini

    Prediction of heart disease with machine learning algorithms

    GÜNEŞ GÜRSOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ASAF VAROL

  5. X-ışını ve derin öğrenme ile covid-19 tespiti

    Covid-19 detection by x-ray images and deep learning

    NAMRIG HUSSAIN SULIMAN FEDAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MAHİR DURSUN