Yöntem ve uygulama açısından klinik karar destek sistemleri
Clinical decision support systems: Methods and applications
- Tez No: 355740
- Danışmanlar: YRD. DOÇ. DR. ASLI UYAR ÖZKAYA, DR. AYŞE YASEMİN ŞENGÜL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Okan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Bu tezde yapılan çalışmanın temel amacı Hastane Bilgi Yönetim Sistemlerine (HBYS) entegre olarak kullanılmakta olan Klinik Karar Destek Sistemlerinin (KKDS) yöntemsel açıdan incelenmesi ve temel sınıflandırma algoritmaları kullanarak KKDS performansının analiz edilmesidir. KKDS?ler; sağlık personeline alacağı kararlarda destek sağlayan, hekimlere, hastalara ait özel klinik bilgileri dikkate alarak karar verebilmeleri için yardım eden bilgisayar programlarıdır. Literatürdeki çalışmalar KKDS?lerin; sağlık bakım hizmetlerinin kalitesinin arttırılması, hastalıkların daha erken teşhis edilebilmesi, medikal hataların önlenmesi, hastalara uygun tedavi verilmesi ve maliyetlerin azaltılması konularında büyük faydalar sağladığını göstermektedir. Bu bağlamda, Türkiye?deki en büyük hastane zincirlerinden birisi olan Acıbadem Hastanesi Bilgi Yönetim Sistemi ve içerisinde yer alan KKDS?ler incelenmiştir. Bunun yanında örnek uygulama olarak UCI (University of California at Irvine) veritabanından elde edilen dermatoloji veri kümesi üzerinde k-En Yakın Komşu (K-nn), Naïve Bayes, Karar Ağacı ve Çok Katmanlı Algılayıcı (Multi Layer Perception - MLP) sınıflandırma algoritmalarının başarım oranları test edilmiştir. Sonuçlar; doğruluk, doğru pozitif (DP), yanlış pozitif (YP) ve alıcı işlem karakteristikleri (ROC) alanı kriterlerine göre değerlendirildiğinde Naïve Bayes algoritmasının daha iyi sonuç verdiği belirlenmiştir.
Özet (Çeviri)
The main objective of this study is to examine Clinical Decision Support Systems (CDSS) integrated in Hospital Information Systems (HIS). The study also includes an implementation, for performance evaluation of classification algorithms applied in real world data set in the medical domain of dermatology. CDSS are computer programs that provide support for health professionals in taking decision using patients? clinical data. CDSS studies in the literature indicate substantial benefits such as improving the quality of health care services, the early diagnosis of diseases, medical errors prevention, appropriate treatment given to patients, and offers great benefits on reducing costs. In this context, Acıbadem HIS and CDSS used within the hospital was investigated. The implementation on dermatology data set obtained from UCI (University of California at Irvine) repository includes performance rates for k-Nearest Neighbor (K-nn), Naïve Bayes, Decision Tree and Multi Layer Perception (MLP) classification algorithms. The results were evaluated according to accuracy rate, true positive (TP), false positive (FP) and Receiver Operating Characteristics (ROC) area values. Consequently, Naïve Bayes algorithm results showed better performance results according to other competing classification algorithms.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Obtain anterior/posterior position of the tumor through machine learning
Makine öğrenme yoluyla tümörün anterior/posterior pozisyonunu elde edin
GOLSHAN GHOLAMPOUR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ