Kalp krizi karar destek sistemi
Heart attack decision support system
- Tez No: 452523
- Danışmanlar: YRD. DOÇ. DR. BURÇİN KURT
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
Genellikle kalp krizi olarak adlandırılan miyokard infarktüsü (MI), kalbin bir bölümünün kanlanmasının bozulmasıdır. Yeterli kan gitmediği için yeterli oksijen gitmeyen kalp kası hücrelerinde hasar ve kalp kası uzun süre oksijensiz kaldığında ise ölüm meydana gelebilmektedir. Miyokard infarktüsü kaynaklı ölümlerin % 50'si ilk bir saat içinde olmaktadır ve bu oran ilk 24 saat içinde % 80 'e ulaşmaktadır. MI' ye bağlı ölümlerde hastaneye taşınma ve hastanın tanı alıp tedaviye başlama süresi büyük rol oynamaktadır. Makine öğrenmesi yaklaşımlarına dayalı matematiksel ve istatistiksel yöntemler kullanarak mevcut verilerden örüntü çıkaran bu çıkarımlarla bilinmeyene dair tahminlerde bulunabilen sınıflama algoritmaları ile sağlık alanında hekimlere yardımcı olmak amacıyla birçok hastalığın sınıflandırılması, tahminlenmesi, risk hesaplanması gibi önemli çalışmalar yapılmaktadır. Bu bağlamda yapılan tez çalışmasında miyokard infarktüsü (kalp krizi) teşhisinde hekime yardımcı olabilecek bir karar destek sisteminin geliştirilmesi amaçlanmıştır. Sistemin geliştirilmesinde makine öğrenmesi yöntemlerinden olan yapay sinir ağları (YSA), karar ağacı ve destek vektör makinesi (DVM) yöntemleri kullanılmıştır. Çalışma kapsamında KTÜ Tıp Fakültesi Farabi Hastanesi Acil Tıp Servisine 2014-2016 yılları arasında göğüs ağrısı şikayeti ile başvuran ve miyokard infarktüsü (MI) tanısı alan ve MI tanısı almayan 350 hasta verisi kullanılmıştır. Bu hasta verileri uzman hekim danışmanlığında biyokimya laboratuvar test sonuçları, epikriz raporları ve anjiyografi raporları sonuçları incelenerek elde edilmiştir. Cinsiyet, CK-MB (kalp kreatin kinaz), HS-Troponin I (high sensitive troponin I) ve EKG giriş verileri kullanılarak akıllı bir kalp krizi karar destek sistemi geliştirilmiştir. CK-MB ve troponin seviyelerini yükselten polimiyozit/dermatomiyozit (kaslarda iltihaplanma), müsküler distrofiler (kas hastalığı), kronik böbrek yetmezliği ve kronik hemodiyaliz hastaları, son 24 saat içinde intramüsküler (kas içi) enjeksiyon yapılmış olan ve son 3 gün içinde travma veya iskelet kası hasarı geçirmiş hastalar vs. gibi durumlar çalışma dışı tutulmuştur. Veriler rastgele eğitim ve test seti olmak üzere iki guruba ayrıldıktan sonra, eğitim setindeki 205 hasta verisi kullanılarak YSA, karar ağacı ve DVM yöntemleri yardımıyla üç farklı karar destek sitemi modeli geliştirilmiştir. 145 test verisi üzerinde; DVM modeli için % 79 duyarlılık, % 83 özgüllük değerleri elde edilirken; karar ağacı modeli için % 91,7 duyarlılık, %97,9 özgüllük ve YSA modeli için ise % 98 duyarlılık, % 93 özgüllük değerleri elde edilmiştir. Bu tez çalışmasında geliştirilen üç farklı karar destek modelinden, YSA modelinin % 98 duyarlılık ile en başarılı sonucu verdiği görülmüştür.
Özet (Çeviri)
Myocardial infarction (MI) which is generally named as heart attack is destroyed a part of heart's blood build up. In the heart muscle cells which cannot get enough oxygen because of not getting enough blood, damage may occur and if heart muscle stay without oxygen for a long time, death may occur. Fifty percent of deaths which are from the heart attack happen in first one hour and this ratio swells to eighty percent in first twenty four hours. Duration of treatment and transportation of patient to the hospital play a big role in deaths which are from the MI. With classification algorithms which extracts patterns from existing datas and able to estimate about unknowns by using mathematical and statistical methods based on the machine learning approaches, important studies such as classification, prediction and risk calculation of a lot diseases have been made in medical area to help to doctors. In this context, development of a decision support system has been aimed to help doctors in the diagnosis of the myocardial infarction in this thesis study. In the development of the system, artificial neural networks (ANN), decision trees, support vector machine (SVM) methods have been used which are methods of the machine learning. In the scope of the study, datas of 350 patients which had applied with chest pain complainment at Farabi hospital emergency service of medicine faculty of Karadeniz Technical Unıversity in 2014-2016, were diagnosed and nondiagnosed with myocardial infarction, have been used. These datas have been obtained by examining results of the biochemistry laboratory test, epicrisis reports and results of the angiography reports in consultancy with specialist physician. An intelligent decision support system has been developed by using gender, creatine kinase-MB (CK-MB), high sensitive troponin I, change of ST segment and change of ECG input datas. Conditions raising of CK-MB and troponin levels such as polymyositis(muscular inflammation), dermatomyositis(muscular inflammation), muscular dystrophy, patients who have had chronic renal failure, chronic hemodialysis, been made intramuscular injection in last 24 hours and had trauma or experienced skeletal injury in last 3 days etc. After datas were separated into two groups as train and test set, three different decision support system models have been developed by means of ANN, decision tree and SVM methods by using datas of 205 patients in test set. While obtaining 79 % sensitivity, 83 % specificity values for SVM model, for decision tree model 91.7% sensitivity, 97.7% specificity values and for ANN model 98% sensitivity, 93% specificity values have been obtained. It has been seen that ANN model gave the most successful result among the three different models with 98% sensitivity.
Benzer Tezler
- Yapay Sinir Ağı yöntemleri kullanılarak kalp krizinin tahmin edilmesi
Predicting heart attack using Artificial Neural Network methods
EKREM EŞREF KILINÇ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEDAT METLEK
- PDA tabanlı gerçek zamanlı EKG görüntüleme sistemi
PDA based real-time telemonitoring system
TAYFUN BURAK AKTÜRK
Yüksek Lisans
Türkçe
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. UĞUR FİDAN
- Intelligent agents based simulation using Jack development environment
Jack geliştirme ortamında kullanarak akıllı etmenler tabanlı benzetim
ÇAĞATAY ÇATAL
Yüksek Lisans
İngilizce
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. COŞKUN SÖNMEZ
- Yapay zeka yöntemleri kullanılarak st segment yükselmeli miyokart infarktüslü hastaların ölüm risk analizi ve tahmini
Death risk analysis and prediction of patients with st-segment elevated myocardial infarction using artificial intelligence methods
BAHAR ÖZYILMAZ
Yüksek Lisans
Türkçe
2024
Acil TıpBatman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULKERİM ÖZTEKİN
- Solunum sesleri yardımıyla uyku apnesinin tespit edilmesi
Sleep apnea detection with respiratory sounds
BEKİR DOĞAN
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ