Sağlık sektöründe aykırı verilerin algılanması ve yorumlanması için mekânsal-zamansal veri madenciliği kullanımı
Using of spatio-temporal data mining for trajectory outlier detection and interpretation in health care services
- Tez No: 376240
- Danışmanlar: DOÇ. DR. ABDULSAMET HAŞILOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 124
Özet
Yörünge verileri turizm, trafik yönetimi, ulaşım ve göç gibi birçok uygulamada giderek önemli rol oynamaktadır. Yörüngeler çeşitli alanlarda karar verme sürecinde oldukça yararlı olan yeni bir veri türüdür. Ancak büyük ölçekteki yörünge ham verilerinin çeşitli mekânsal-zamansal veri madenciliği algoritmalarıyla işlenerek anlamlı bir hale getirilmesini sağlayacak çalışmaların yeterli bir olgunluğa erişmediği gözlenmiştir. Bu amaçla sağlık sektöründe hastaların ve hastalıkların izlemiş oldukları yörüngelerden çıkarımlar yapılarak hastane yönetim sistemlerinde hizmet kalitesinin artırılması hedeflenmiştir. Veri madenciliği tekniklerinin çoğu ortak desenler çıkarmaya yönelik olsa da aykırı verileri bulmak daha yararlı olabilmektedir. Bu sebeple Atatürk Üniversitesi Diş Hekimliği Fakültesi verileri üzerine aykırı verilerin algılanması yöntemi uygulandı. Bu çalışmada uzaklık ve yoğunluk tabanlı metodu birleştiren TRAOD ve TOD-SS algoritmaları tercih edildi. Bu algoritmalar diğer aykırı veri algılama tekniklerinin aksine hareketli nesne yörüngesini bir bütün olarak ele almaz. Yörüngeleri parçalara ayırarak her bir parçanın komşularına göre farklı davranışlar sergileyip sergilemediğini araştırırlar. Böylece diğer algoritmaların tespit edemediği sapmış yörünge parçalarını algılarlar. Bu çalışmada tercih edilen algoritmalar geliştirdiğimiz PETEK-O sisteminde kullanıldı ve performansları karşılaştırıldı. Ayrıca bölge ve polikliniğe göre hastalarda sınıflandırma yapıldı. Bunun yanı sıra yörüngeler üzerinde mekânsal-zamansal veri madenciliğinin bir başka dalı olan kümeleme gerçekleştirildi. PETEK-O sistem çalıştırıldığında sonuçlar gösterdi ki; aykırı yörünge algılama algoritmalarıyla gerçek yörünge verisinden sapmış olan alt yörüngeler başarıyla algılandı. Algılanan aykırı yörüngelerin anlamlı veriler olduğu tespit edildi. Bunun yanında DVM'nin lineer olmayan sınıflandırma özelliklerinden faydalanılarak başarılı sınıflandırma yapıldı. Ayrıca kümeleme algoritmalarından CB-SMoT ve DB-SMoT kullanılarak Diş Hekimliği Fakültesi'ndeki durma ve hareketler tespit edildi.
Özet (Çeviri)
Trajectory data plays a significant role in many applications such as tourism, traffic management, transportation and migration. Trajectories are quitely useful kind of new data for decision processes in various areas. However, there are not much studies about large scale trajectory raw data which is acquired by various spatio temporal data mining algorithms and made meaningful by mentioned algorithms. Thus, it is aimed enhancement of service quality in hospital management systems by being infered from trajectories of patients and diseases in health care services. Although most of data mining techniques focus on discovering the common patterns, finding outliers may be more useful. For this reason, outlier detection methods were applied on data in Ataturk University, Faculty of Dentistry. In this study, TRAOD and TOD-SS algorithms that integrate distance-based and density-based methods were prefered. Unlike the other outlier detection techniques, these algorithms don't deal with trajectories as a whole. They divide trajectories to partitions and examine whether or not each partition has different behavior from its neighbors. Thus, they detect outlying partitions of trajectories that other algorithms can not find. Algorithms favored in the study were used PETEK-O system that we developed and compared their performances. Therefore, patient classification was done according to region and policlinic. In addition, clustering, is another branch of data mining, was implemented upon trajectories. When PETEK-O system was executed, results showed that outlying from real trajectory data sub-trajectories were successfully fixed with trajectory outlier detection algorithms. It was determined that these trajectory outliers are meaningful data. Furthermore, successful classification was carried out by making use of nonlinear features of SVM. Moreover, stops and moves on Faculty of Dentistry were detected by CB-SMoT and DB-SMoT clustering algorithms.
Benzer Tezler
- Sayısal sağlık verilerinde farkındalık
Awareness of digital health data
DENİZHAN YILMAZ
Yüksek Lisans
Türkçe
2021
Bilim ve TeknolojiBaşkent ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ESMA ERGÜNER ÖZKOÇ
- Coğrafi bilgi sistemlerinde sağlık uygulamaları: Afyonkarahisar örneği
Health applications with GIS: Afyonkarahisar case
LEVENT ÖZGÜR
Yüksek Lisans
Türkçe
2008
Jeodezi ve FotogrametriAfyon Kocatepe ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SAFFET ERDOĞAN
- Enriching predictive models using graph embeddings
Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi
YAREN YILMAZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Kümeleme ve yerel aykırı faktör tabanlı aktif öğrenme yaklaşımları: Otomotiv sektöründe bir uygulama
Clustering and local outlier factor-based active learning approaches: An application to the automotive industry
FATMA SANİYE KOYUNCU
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLİN İNKAYA
- Sağlık Hukukunda kişisel verilerin korunması ve hasta mahremiyeti
Protection of personal data and patient privacy in Health Law
ERTUĞ ERTAŞ