Geri Dön

Yöntem ve uygulama açısından klinik karar destek sistemleri

Clinical decision support systems: Methods and applications

  1. Tez No: 355740
  2. Yazar: EMEL KOÇ
  3. Danışmanlar: YRD. DOÇ. DR. ASLI UYAR ÖZKAYA, DR. AYŞE YASEMİN ŞENGÜL
  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: 2013
  8. Dil: Türkçe
  9. Üniversite: Okan Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  2. 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

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  3. Obtain anterior/posterior position of the tumor through machine learning

    Makine öğrenme yoluyla tümörün anterior/posterior pozisyonunu elde edin

    GOLSHAN GHOLAMPOUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik-Haberleşme Eğitimi Ana Bilim Dalı

    PROF. DR. İBRAHİM AKDUMAN

  4. Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ