Öznitelik seçme ve sınıflandırma algoritmalarını kullanarak sürdürülmüş fonasyon testlerinden web tabanlı parkinson hastalığının teşhisi
Web based diagnosis of the parkinson disease from sustained vowel phonation tests using feature selection and classification algorithms
- Tez No: 362467
- Danışmanlar: YRD. DOÇ. DR. İSMAİL ATACAK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Nöroloji, Computer Engineering and Computer Science and Control, Neurology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Nörolojik bir hastalık olan Parkinson'un teşhisi özellikle hastalığın ilk evrelerinde zordur. Bu sebeple son yıllarda tıbbi karar verebilmeyi desteklemek amaçlı bilgisayar tabanlı çözüm araştırmaları oldukça artmıştır. Bu çalışma ile bu alanda çalışan uzmanların Parkinson teşhisi sürecinde karar vermelerini kolaylaştırmak ve konulan teşhislerde doğruluk oranını yükselterek, Türkiye'de nöroloji ve bilgisayar bilimleri literatürüne katkı sağlanması hedeflenmiştir. Bu çalışmanın en önemli kısımlarından birisi, Parkinson hastalarına ait karmaşık ses verilerinden problemi temsil edebilecek en iyi veri kümesinin tespiti için öznitelik seçme algoritmalarının kullanılmasıdır. Ayrıca Parkinson Hastalığının teşhisinde etkili bir sınıflandırma yapılabilmesi için yeni bir öznitelik seçme yaklaşımı önerilmektedir. 5 popüler öznitelik seçme algoritmalarının uygulanması ile elde edilen öznitelikler 5 popüler sınıflandırma algoritmalarına tabi tutulmuştur. Böylelikle farklı sınıflandırma algoritmaları ile elde edilen sonuçların doğruluk oranlarının kıyaslanması sağlanarak en iyi performans ortaya konulmuştur. Yapılan çalışmada önerilen yaklaşım ile seçilen 6 öznitelik kümesinin sınıflandırma doğruluk oranı %94,36 olarak elde edilmiştir.
Özet (Çeviri)
The diagnosis of Parkinson which is neuro-disease is especially difficult in its initial phase. For this reason computer based solution researches have widely increased to support medical decision recently. With the help of this research experts who have been working in this field are aimed to make easier decisions on the way to Parkinson diagnosis and contribute to neurological and computer sciences Literature in Turkey by increasing the accuracy rate in diagnosis. One of the most important aims of this research is to get information which can be classified from voice data which belong to Parkinson patients and use feature selection algorithms in order find out the best datum unit that can represent the problem from these complicated voice data. Furthermore, a new feature selection approach is suggested to be able to make an effective classification at diagnosis of Parkinson disease. Features which are supplied with the application of five popular feature selection algorithms are applied to five popular classifications of algorithms. In this way, the best performance has been sorted out by comparing the calculation periods of results that are supplied with different classification algorithms and their accuracy rates. In this study the classification accuracy rate of six feature clusters has been 94.36% by the help of suggested approach.
Benzer Tezler
- Feature selection and discretization for improving classification performance on CAC data set
KAK veri setinde sınıflama başarısını arttırmak için öznitelik seçme ve ayrıklaştırma
KAMRAN EMRE SAYIN
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has ÜniversitesiPROF. DR. HASAN DAĞ
- Multitemporal co-polar x-band sar data classification as a tool for paddy-rice phenology estimation
Çeltik tarlası fenoloji kestirimi için çok zamanlı co-polar x-bant sar verisi üzerinde sınıflandırma yöntemi
ÇAĞLAR KÜÇÜK
Yüksek Lisans
İngilizce
2016
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
YRD. DOÇ. DR. GÜLŞEN TAŞKIN KAYA
YRD. DOÇ. DR. ESRA ERTEN
- An experimental analysis of feature selection algorithms in hyperspectral image classification
Hiperspektral görüntülerın sınıflamasında öznitelik seçim algoritmalarının deneysel analizi
HAMED GHOLAMI VIJOUYEH
Yüksek Lisans
İngilizce
2017
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
YRD. DOÇ. DR. GÜLŞEN TAŞKIN KAYA
- Profiling developers to predict vulnerable code changes
Güvenlik açığı kod değişikliklerini öngörmek için geliştiricilerin profilini oluşturma
TUĞÇE COŞKUN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE TOSUN KÜHN
- Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease
Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi
İNANÇ MORAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR