Heart disease system prediction using data mining techniques
Veri madenciliği teknikleri kullanarak kalp hastalığı sitemi tahmini
- Tez No: 453533
- Danışmanlar: YRD. DOÇ. DR. YURIY ALYEKSYEYENKOV
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Türk Hava Kurumu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Verilen hizmetlerin hem etik hem de sosyal açılardan bir sorumluluk ortaya çıkarması nedeniyle, Hizmet Kalitesi (QoS) sağlık sektöründe en önemli hususlardan biri olmuştur. Günümüz teknoloji dünyasında ehliyetli karar verme sistemleri tanı sisteminde bile yer aldığı için, deneme veya doktor tecrübesine dayalı geleneksel tedavi yaklaşımları hep reddedilmiştir. Bu açıdan, hastaların verilerini yönetmek için veri madenciliği tekniğinin kullanılması sağlık sektöründe veri yönetimini kolaylaştırmaktadır. Yine de, farklı veri madenciliği teknikleri verinin doğasına bağlı olarak yetkinlik ile ilgili bazı zorluklar ortaya çıkarmaktadır. Sağlık sektöründe veri madenciliği tekniklerinin etkililiğini değerlendirmek amacıyla, çalışma hastaların gelecekteki olası kalp hastalıklarını tahmin etmek için hasta verileri yönetimindeki sonuçlara odaklanmaktadır. Sonuç olarak araştırmacı Naïve Bayes ve WAC - Weighted Associative Classifier (Ağırlıklı İlişkisel Sınıflandırıcı) isimli iki farklı veri madenciliği prototipi geliştirmiştir. Weka 3.6.6 iş tezgâhı ile her iki tekniğinde performans etkililiği karşılaştırılarak ve kalp hastalıkları semptomlarına odaklanılarak, geliştirilen prototipin performansı çoklu girdi özelliklerinin tahmin sisteminin sınıflandırmasını desteklemesiyle hedeflenen amaç açısından başarı olarak onaylanmıştır. Buna göre, veri madenciliğinin tahmin ve sınıflandırma tekniklerini etkililiği tanısal amaçlar için onaylanmıştır. Çalışma ayrıca kalp hastalıklarının doğru ve tam tahmini için damar stenozu (darlığı) ve özellikleri ile özellik azaltma tahmin mekanizmasına sahip yetenek güvenilen otomasyon sistemi geliştirmek için bazı öneriler sunmaktadır. Bunun yanında, veri madenciliğine bulanık yaklaşımların uyarlanması amaçlanmıştır.
Özet (Çeviri)
The Quality of Services (QoS) has always been of utmost significance in the healthcare sector since the services entail accountabilities to both the ethical and social perspectives. In today's world of technology, the traditional approaches to treatment based on trials or doctors' experiences have been denied, as proficient decision-making systems have taken place even in the diagnosis system. In this regard, the adoption of data mining techniques for managing patients' data has been facilitating the data management needs of the healthcare sector. Nonetheless, different data mining techniques entail certain challenges associated with the respective proficiency in accordance with the nature of the data. In order to assess the effectiveness of data mining techniques in the healthcare sector, the study has focused the implications in managing the patients' data to predict the likelihood of heart disease in future. Consequently, the researcher has developed a prototype having two different data mining techniques of Naïve Bayes and WAC - Weighted Associative Classifier. Comparing the performance efficacy of both the techniques through the workbench of Weka 3.6.6, and focusing on the symptoms of heart disease, the performance of the developed prototype is affirmed to be a success with respect to the intended purpose; where multiple input attributes have favoured the classification of the prediction system. Accordingly, the efficacy of prediction and classification techniques of data mining has been approved for diagnostic purposes. The study also presents certain recommendations for developing an intelligent trusted automation system, having the prediction mechanism of vessel stenosis and attributes, and feature reduction for accurate prediction of heart disease. Besides, the adoption of fuzzy approaches to data mining has also been proposed.
Benzer Tezler
- Heart disease data classification using advanced data mining techniques
Başlık çevirisi yok
HANA SHABAN ABUZENGENA
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
Prof. Dr. OĞUZ BAYAT
- Diagnoses of coronary heart disease (CHD) using data mining techniques based on classification
Sınıflandırma temelli veri madenciliği teknikleri kullanılarak koroner kalp hastalığı (KKH) tanısı
MUSTAFA ADIL FAYEZ FAYEZ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. OĞUZ ATA
- BT görüntüleri üzerinden kalp odacıklarının bölütlenmesine yönelik alternatif bir yaklaşım
An alternative approach for the segmentation of the heart chambers from CT images
SERAP ERK
Yüksek Lisans
Türkçe
2015
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA İNCİ ÇİLESİZ
PROF. DR. BÜLENT BAYRAM
- Makine öğrenmesi algoritmaları ile kalp hastalığı tahmini
Heart disease prediction with machine learning algorithms
YÜKSEL AKTAŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL BEYKENT ÜNİVERSİTESİBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TALAT FİRLAR
- Sağlık alanında hastalıkların erken tahmininde yapay zeka tekniklerinin kullanılması
Use of artificial intelligence techniques in early prediction of diseases in the field of health
YASEMİN ÖZDEMİR
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. NURSEL ÖZTÜRK