Geri Dön

Sınıflandırmaya dayalı makine öğrenmesi teknikleri ve kardiyolojik risk değerlendirmesine ilişkin bir uygulama

Machine learning techniques based on classification and a study on cardiac risk assessment

  1. Tez No: 394514
  2. Yazar: ELİF KARTAL
  3. Danışmanlar: PROF. DR. MEHMET ERDAL BALABAN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Göğüs Kalp ve Damar Cerrahisi, Computer Engineering and Computer Science and Control, Thoracic and Cardiovascular Surgery
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 150

Özet

Bu tezin amacı kalp ameliyatı sırasında ya da kalp ameliyatı geçirdikten kısa bir süre sonra hastaya ait hayati riskin sınıflandırmaya dayalı makine öğrenmesi teknikleri kullanılarak belirlenebilmesidir. Çalışmada kullanılan veri seti Acıbadem Maslak Hastanesi'nden temin edilmiştir. Literatürde kalp ameliyatı sırasında ya da kalp ameliyatı geçirdikten kısa bir süre sonra hastanın ölüm riskinin tahmini için kullanılan EuroSCORE (The European System for Cardiac Operative Risk Evaluation)'a ait risk faktörleri kullanılmıştır. Veri setindeki gözlemlerde EuroSCORE'daki gibi 30 günlük takip bilgisi bulunmadığından, öncelikle hastaların Standart EuroSCORE puanları hesaplanmıştır. Sonrasında bu risk grupları sınıf etiketi olarak kullanılmış ve tahminler gerçekleştirilmiştir. Naive Bayes Sınıflandırıcı, k-En Yakın Komşu Algoritması, Logistik Regresyon Analizi, ID3 ve C4.5 Karar Ağacı Algoritmaları kullanılarak farklı modeller oluşturulmuştur. Modellerin performansları karşılaştırılmıştır. Veri analizleri R dilinde yazılan kodlarla gerçekleştirilmiştir. R kodlarını geliştirme aracı olarak RStudio kullanılmıştır. Logistik Regresyon Analizinden elde edilen modeller, Shiny (shinyapps.io) aracılığı ile web üzerinden kamuya açık hale getirilmiştir. En iyi performansı gösteren C4.5 karar ağacı modeli için ise başka bir Shiny uygulaması geliştirilmiştir.

Özet (Çeviri)

In this thesis, it is aimed to determine the mortality risk of a patient during or shortly after the heart surgery by using machine learning techniques based on classification. The dataset used in this study is obtained from Acıbadem Maslak Hospital. Risk factors of EuroSCORE which is used to predict the mortality risk of a patient during or shortly after the heart surgery is used for predicting mortality risk. Because 30-day follow-up information of patients is not available in the dataset, first the standard EuroSCORE scores of patients are calculated. Then these risk groups are treated like class labels so predictions are carried out. Different models are created using Naive Bayes Classifier, k-Nearest Neighbor Algorithm, Logistic Regression Analysis, ID3 and C4.5 Decision Tree Algorithms. Performance of the classifiers are compared. Data analysis is carried out with R language. RStudio was used as a development tool for R codes. Models derived from Logistic Regression are made available for public via web with Shiny (shinyapps.io). Another Shiny application is developed for the C4.5 decision tree model which has best performance.

Benzer Tezler

  1. Perakende sektöründe makine öğrenmesine dayalı yaklaşımlar

    Approaches to the application of machine learning in the retail sector

    TUĞÇE CEYLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İstatistikYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ALİ HAKAN BÜYÜKLÜ

  2. Açık kaynaklı klinik kanser verilerinin R-Shiny uygulaması ile yapay zeka tabanlı web arayüzü destek sisteminin geliştirilmesi

    Development of artificial intelligence based web interface support system with R-Shiny application from open source clinical cancer data

    HÜSEYİN KORAY MISIRLIOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Onkoloji Ana Bilim Dalı

    DOÇ. DR. GİZEM ÇALIBAŞI KOÇAL

  3. Doğal taş karolarının görüntü işleme ve makine öğrenmesi teknikleri ile sınıflandırılması

    Classification of natural stone tile with image processing and machine learning technique

    MUSTAFA TEMİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İşletmeSivas Cumhuriyet Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DOÇ. DR. OĞUZ KAYNAR

  4. İstatistiksel analiz yöntemleri ve makine öğrenme yöntemleri ile film başarı tahmini

    Movie success prediction with statistical analysis techniques and machine learning methods

    BUGAY SARIKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU DEDE ŞENER

  5. Diyabetik retinopatinin gerçek zamanlı tespiti için karar destek sistemi

    A decision support system for diabetic retinopathy's real-time detection

    KEMAL AKYOL

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ŞAFAK BAYIR