Geri Dön

A study of a group of healthcare datasets in data mining domain

Bir grup sağlık verisi üzerine veri madenciliği çalışmaları

  1. Tez No: 355751
  2. Yazar: FİKRİ MERT KURUM
  3. Danışmanlar: PROF. DR. FİKRET GÜRGEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Genetik, Computer Engineering and Computer Science and Control, Bioengineering, Genetics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 105

Özet

Bu araştırma farklı tıbbi tanılar için insan bilgisinin yanında, veri madenciliği üzerinde farklı alternatifler aramak içindir. Yapılan birçok başarılı uygulama örnekleri içerisinde insan teşhis yeteneklerinin sonuçlarının nöral teşhis sistemi sonuçlarına göre daha kötü sonuçlar verdiği göstermektedir. Çalışma sağlık alanındaki Onbir adet verinin veri madenciliği analizi ile ilgilidir.Çalışma içerisinde farklı Tıbbi alanlar hedeflenerek Veri Madenciliği analizlerinin çeşitli Sağlık verilerine yaptığı yorumlar incelenmiştir. Yapay sinir ağlarının sağlık alanındaki çalışmaları kısaca tanıtıldı, tıbbi veri tabanı ve eğitim, ve tıbbi verilerin bir sinir ağı test edilmesine yönelik temel yaklaşımların üzerinde duruldu. Birkaç test yapılandırmaları, algoritmalar için en iyi ayarı belirlemek için test edilmektedir. Bu çalışmada kullanılan Sekiz adet veri madenciliği algoritmaları bulunmaktadır. Detayları ise şu şekildedir: DT, SVM, RBF, MLP, k-NN, Naive Bayes, Bayes Net ve Lojistik Regresyon. Belirtilen Sekiz adet algorithma ?10-fold cross validation? ve ?train/test split? değerlendirmeleri göz önüne alınarak Onbir adet veri üzerinde değerlendirilmiştir. Bununla beraber PCA için de ayrı bir değerlendirme gerçekleştirilerek araştırma içerisindeki farklılıkları gösterilmiştir. Tez içerisinde odaklanılan performans metrikleri ise şu şekildedir: Percent Correct, True Positive Rate, False Positive Rate, Precision, Recall, F-Measure, AUC ve Error Rates. Bu tez farklı algoritmalar ve veriler üzerien bir kıyaslama çalışması olduğundan dolayı, tez çalışmasının değerlendirilmesi için özel bir kıyaslama ölçütü oluşturulmuştur.

Özet (Çeviri)

This research is to search for alternatives to the resolution of complex medical diagnosis where human knowledge should be apprehended in a general fashion. Successful application examples show that human diagnostic capabilities are significantly worse than the neural diagnostic system. The study presents the particular case of analysis of eleven datasets containing data associated to several Healthcare datasets. The datasets are analyzed in various Healthcare domains to target different Medical areas. Paradigm of artificial neural networks is shortly introduced and the main problems of medical data base and the basic approaches for training and testing a network by medical data are described. There are eight algorithms used in this study, which are DT, SVM, RBF, MLP, k-NN, Naïve Bayes, Bayes Net and Logistic Regression. These eight algorithms have been performed with using 10-fold cross validation and train/test split over the eleven datasets. It?s also examined what is the effect of Principal Component Analysis inside the research. The performance metrics that are focused in this thesis are Percent Correct, True Positive Rate, False Positive Rate, Precision, Recall, F-Measure, AUC and Error Rates. As this is a benchmarking study for different classifiers and datasets, a special benchmarking criterion has been created for the evaluation of the thesis.

Benzer Tezler

  1. Türkiye'de yaşlılarda 2008-2019 yılları arasında karşılanmamış sağlık hizmet gereksinimi ve sosyo-ekonomik değişkenlerle ilişkisi

    Unmet HEALTH care needs among elderly in Turkey between 2008-2019 and associated with socio-economic variables

    ALİ AKÖZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Halk SağlığıDokuz Eylül Üniversitesi

    Halk Sağlığı Ana Bilim Dalı

    PROF. DR. ŞERİFE REYHAN UÇKU

  2. Derin öğrenme yöntemleri kullanılarak demans türü hastalıkların sınıfandırılması

    Classification of dementia-type diseases using deep learning methods

    RUMEYSA NEGİŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZGÜR KARADUMAN

  3. Travma sonrası kemik kırıklarının tespitinde bilgisayarlı görü ve derin öğrenme algoritmaları

    Computer vision and deep learning algorithms on post-traumatic bone fractures detection

    MUHAMMED TAHA ZEREN

    Doktora

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEHER ARSLANKAYA

  4. Lojistik regresyon analizi ve sağlık alanında bir uygulama

    Logistic regression analysis and an application in healthcare

    BÜŞRA ÇATAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    BiyoistatistikSüleyman Demirel Üniversitesi

    Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OSMAN GÜRDAL

  5. Toplum çevirmenliğine yorumbilgisel bir yaklaşım: Sağlık çevirmeni ve öznellik

    A hermeneutic approach to community interpreting: Healthcare interpreter and subjectivity

    DUYGU DUMAN

    Doktora

    Türkçe

    Türkçe

    2018

    Mütercim-TercümanlıkYıldız Teknik Üniversitesi

    Batı Dilleri ve Edebiyatları Ana Bilim Dalı

    PROF. DR. FÜSUN ATASEVEN