Sağlık alanında büyük veri ve veri madenciliği yöntemlerinin kullanımı
Big data and data mining methodologies in medicine
- Tez No: 453878
- Danışmanlar: PROF. DR. YASEMİN YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Büyük Veri, Veri Madenciliği, Sınıflama, Tahmin, Big Data, Data Mining, Classification, Prediction
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Sağlık Alanında Büyük Veri ve Veri Madenciliği Yöntemlerinin Kullanımı Büyük veri, kuruluşların (kamu kurumları, hastane vs.) yapılandırılmış ve yapılandırılmamış veri setlerini birleştirerek veri madenciliği ve istatistiksel yöntemler kullanıp keşfedilmemiş bilgileri ve öngörülmeyen korelasyonları ortaya çıkarmasıdır. Veri depolama maliyetlerinin düşmesi ve büyük hacimli verilerle uğraşırken iş yükünü birden çok sanal sunucuya dağıtmaya imkan tanıyan NoSQL veritabanlarının, Hadoop ve benzeri veritabanı tasarımlarının ortaya çıkması ile büyük veri akımı daha hızlı yayılmaya başlamıştır. Yeni teknolojilerin gelişmesi üzerine daha az maliyet ile daha hızlı ve değişik türden verilerin analiz edilmesine ve yeni bulguların ortaya çıkmasına imkan sağladığı için kısa sürede tüm dünyada kabul görmüş ve kullanılmaya başlanmıştır. Son zamanlarda özellikle sağlık alanında bilinen klasik yöntemlerle saklanamayan ve analiz edilemeyen video görüntüleri, hekim notları gibi bilgilerin de büyük veri ile analiz edilmesiyle beraber yeni ve faydalı birçok bilginin elde edilmesine olanak sağlamaktadır. Bu çalışma hastaneye diyabet şüphesi ile başvuran 101766 kişiyi içermektedir. Bu modelde yeni ilaç reçete edilme tahmini için ırk, cinsiyet, yaş, hastane yatış şekli, hastanede geçirilen süre, laboratuvar işlem sayısı, işlem sayısı, ilaç tedavi sayısı, tanı sayısı ve tekrar başvuru olmak üzere toplam 10 değişken bulunmaktadır. Mahout ve Scala yardımıyla Random Forest ve Çok Katmanlı Algılayıcı veri madenciliği yöntemleri kullanıldı. Mahout için sırasıyla bu yöntemlerin Doğru Sınıflama Oranları %87.8 ve %84.9 iken Scala'da bu oranlar %84.9 ve %87.0 olarak bulunmuştur.
Özet (Çeviri)
Big Data and Data Mining Methodologies in Medicine Big data is that businesses, states, hospitals and organizations integrate different digital data sets and use information that has remained hidden and surprise correlations through methods of statistics and data mining. With lower data storage costs and the emergence of NoSQL databases, Hadoop and similar database designs allowing the distribution of workload to multiple virtual servers when dealing with high-volume data, the flow of big data has been spreading even faster. Since newly developed technologies allow for analyzing different types of data for lower costs and in a faster way and emergence of new findings, big data has been accepted by all the world in a short notice and started to be used. Recently, especially the analysis of information such as videos, physician notes which cannot be stored and analyzed with classical methods through big data has facilitated obtaining several pieces of new and useful information. This study consists of 101766 individuals who consulted the hospital with the suspicion of new diabetes medication. In this model, there are 10 variables for the prediction of diabetes: race, gender, age, admission type, time in hospital, number of laboratory procedures, number of procedures, number of medications, number of diagnoses and readmitted. With the help of Mahout and Scala, data mining methods of Random Forest and Multilayer Perceptron were used. True classification rates of these methods were found to be %87.8 and %84.9 for Mahout whereas these rates were found to be %84.9 and %87.0 for Scala.
Benzer Tezler
- Veri madenciliği ile çocukluk çağındaki akut romatizmal ateşin kalp hastalığına etkilerinin analizi
Analysis of effects of acute rheumatic fever in childhood on heart disease with data mining
İLKİM ECEM EMRE
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
YRD. DOÇ. DR. ÇİĞDEM EROL
YRD. DOÇ. DR. YALÇIN ÖZKAN
- Veri madenciliği ve makine öğrenmesi yaklaşımı ile tiroit kanserinin tanılanması
Diagnosis of thyroid cancer using data mining and machine learning approach
MEHMET EMİN ASAN
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN TAŞKIN
- Hastane bilgi yönetim sistem verilerine veri madenciliği ile işlerlik kazandırılması için bir adım : K-ortalama algoritmasında uygun parametre seçimi
A step towards the functionality of hospital information managment system data using data mining techniqees : Selection of appropriate parameters for K- means
MERYEM YILDIZLI
Doktora
Türkçe
2018
BiyoistatistikÇukurova ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. ZELİHA NAZAN ALPARSLAN
- Yapay zeka yöntemleri ile uzaktan eğitimdeki sorunların tespiti ve öğrencilerin akademik performanslarının tahmin edilmesi
Detecting the problems in distance education and predicting the academic performance of students by using artificial intelligence methods
HALİT IRMAK
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. ZÜMRÜT ECEVİT SATI