Post operative prognostic prediction of esophageal cancer cases using bayesian networks and support vector machines
Esofagus kanser vakalarının bayes ağları ve destek vektör makinaları kullanılarak amelıyat sonrası prognostik tahmini
- Tez No: 360567
- Danışmanlar: YRD. DOÇ. AYBAR CAN ACAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Tıp Bilişimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 93
Özet
Bu tezin amacı, tıbbi bir veri setini sınıflandırmak için bir dizi etkili sınıflandırma modelini geliştirmek ve performanslarını analiz etmektir. Genellikle, veri madenciliğinde, mevcut verileri açıklamak için, yapay zeka, istatistik, optimizasyon, veri tabanı teorisi gibi çeşitli alanlardan gelen algoritmaları kullanılır. Bu çalışmada, Destek Vektör Makinesi ve Bayes Ağ yöntemleri kullanılmaktadır. Analiz verileri, 2003 ve 2011 yılları arasında bir özefajektomi operasyonu geçirmiş özofagus kanserli hastaların klinik patoloji kayıtlarıdır. Hastaların prognozlarına göre sınıflandırılabilmeleri için prognostik olarak etkili olabilecek büyük grup faktör analiz edilmiştir. Bu faktörlerden tahminde etkili bulunanlar yaş, cinsiyet, disfaji, odinofaji, kilo kaybı, kusma, bulantı, patolojik N, patolojik T, FEV1, tümör derecesi, tümör boyu olmuştur. Yapılan sınıflandırma deneylerinde, Destek Vektör Makinesi %72.38 öğrenme doğruluğu ve çapraz-doğrulama ile %70.58 genelleme başarısı görülmüştür. Destek Vektör Makinesi ilk yöntem olarak kullanıldı ve PCA ile desteklendiğinde en iyi doğruluk oranı elde edildi; SVM düzensiz dağılan ve tam modellenemeyen verilerin analizi için doğru sınıflandırıcı üretebilir. Bayes Ağı önceki yöntemde eksik veri sorununu çözmek için, bu çalışmada kullanılan ikinci yöntemdir. Bayes Ağları aynı anda birkaç farklı değişken türde sınıflandırabilir. Bu çalışma için oluşturulmuş ağ sonuçlarının kalitesi modelin kalitesine bağlıdır. Bu çalışmada kullanılan Bayes ağı modelinin doğruluğu 119 hasta için %73.10 dir.
Özet (Çeviri)
The objective of this thesis is to develop and analyze the performances of a number of classifiers in prognosis classification based on a medical history data set. Generally, data mining uses algorithms originating in different disciplines such as artificial intelligence, statistics, optimization, database theory etc., to clarify available data. In this study, Support Vector Machine and Bayesian Network methods have been used. The data analyzed are clinical pathology records of patients with esophageal cancer who received an esophagectomy operation between 2003 and 2011. A large number of prognostic factors have been considered to classify the patients on prognosis. These factors found to be predictive were age, sex, dysphagia, odynophagia, lost weight, vomit, nausea, pathological N, pathological T, FEV1, tumor grade and tumor length. Classification trials for Support Vector Machine have shown %72.38 training accuracy with a generalization accuracy of %70.58, which was established by cross-validation. Support Vector Machine was used as the first method for data and SVM was found to achieve good accuracy on a data set of 119 patients when used in conjunction with PCA; SVM can be helpful for black-box analysis when data are irregularly distributed and produce accurate classifiers. Bayesian Network is the second method that is used in this study to solve missing data problem in the previous method. Bayesian Network can classify several different types of variables simultaneously. The quality of the results of the network that has been created for this study depends on the quality of the model. Performance of the model with Bayesian Network that is used in this study is 73.10% for 119 patients.
Benzer Tezler
- Radikal prostatektomi yapılan hastalarda serum cystatin 4'ün prostat kanserindeki tanısal ve prognostik rolünün değerlendirilmesi
The assessment of the diagnostic and prognostic role of serum cystatin 4 in patients who underwent radical prostatectomy
BEKİR DEMİRTAŞ
Tıpta Uzmanlık
Türkçe
2024
Ürolojiİstanbul Medeniyet ÜniversitesiÜroloji Ana Bilim Dalı
PROF. DR. ASIF YILDIRIM
DR. AHMET KELEŞ
- Timpanoplastilerde greft materyali ve hazırlanış şeklinin postoperatif odyolojik kazanç ve greft tutulum başarısına etkisi
The effect of graft material and its preparation method on post-operative hearing gain and graft take on timpanoplasty operations
TEKİN ERSOY
Tıpta Uzmanlık
Türkçe
2012
Kulak Burun ve BoğazAdnan Menderes ÜniversitesiKulak Burun Boğaz Ana Bilim Dalı
PROF. DR. A. ONUR ODABAŞI
- Böbrek hücreli kanserde fibrinojen prognostik bir faktör olarak kullanılabilir mi ?
Can fibrinogen be used as a prognostic factor in renal cell carcinoma?
ÖMER AYTAÇ
- Geriatrik postoperatif hastalarda deliryum ve mortaliteyi öngörmede prognostik nutrisyonel indeks ile geriatrik nutrisyonel risk indeksinin karşılaştırılması
Comparison of prognostic nutritional index and geriatric nutritional risk index in prediction of delirium and mortality in geriatric postoperative patients
AYŞE HİLAL MERİÇ
Tıpta Uzmanlık
Türkçe
2023
Anestezi ve ReanimasyonSağlık Bilimleri ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
PROF. DR. NURTEN BAKAN
- Kolorektal kanser cerrahisinin postoperatif ilk 30 günlük komplikasyon ve mortalite tahmininde sistemik inflamasyon belirteçleri ve skorlama sistemlerinin prognostik değeri: Retrospektif kesitsel analiz
Prognostic value of systemic inflammatory markers and scoring systems in colorectal cancer surgery for postoperative first 30-day complication and mortality prediction:retrospective cross-sectional study
CANER AKGÜL