Geri Dön

Yapay öğrenme ile hastalık riski tahmini

Estimation of disease risk by artificial learning

  1. Tez No: 497858
  2. Yazar: SAVAŞ KARANFİL
  3. Danışmanlar: YRD. DOÇ. DR. AYŞE YILMAZER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 126

Özet

Araştırmanın amacı sağlıklı insanların gelecekte yakalanması ihtimal kalp hastalığını bulmak ve bu doğrultuda, düşük risk, orta risk ve çok riskli gibi derecelerde sınıflara ayırmaktır. Bu sebepten ilk önce geçmişinde kalp hastalığı geçirmiş insanların verilerine ihtiyaç duyulacaktır. Edinilen bu verilerde yaşı, cinsiyeti, diabet, böbrek yetmezliği, geçirdiği ameliyatlar gibi özellikler vardır. Karışık olan bu verilerin ilk olarak sınıflara ayırabilmek için yapay öğrenme metotları denenecektir. Yapay öğrenme metotlardan biri olan yapay sinir ağları, karar ağaçları ve rasgele orman sınıflandırma algoritmaları kullanılacaktır. Verilerin birçoğunun katagorik veri olmasından dolayı bu algoritmalar seçilmiştir. Veriler sınıflandırıldıktan sonra sağlıklı insanlardan alınan bazı test sonuçları ve kişilik özellikleri temelinde yapay öğrenme yöntemleri ile önceden eğitilen veriler test edilip, bu insanların, hasta olup olmadığı ve hasta ise riskin ne kadar olduğunu anlamaya çalışılacaktır.

Özet (Çeviri)

The aim of the study is to find possible heart disease in the future of healthy people and to classify them into grades such as low risk, medium risk and very risky. So, first of all, the data of people with heart disease in the past will be needed. These acquired data include age, gender, diabetes, kidney failure, and operations such as surgery. These mixed data will first be tried artificial learning methods to distinguish between classes. Artificial neural networks, decision trees and random forest classification algorithms, which are one of the artificial learning methods, will be used. These algorithms have been chosen because many of the data are categorical data. After classifying the data, some test results from healthy people and artificial learning methods based on personality traits will be tested to find out if these people are sick and sick if they are sick.

Benzer Tezler

  1. Melez öğrenme ile kalp ve damar hastalığının tahmini

    Predicting cardiovascular disease with hybrid learning

    CANSU TOKYÜZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ATINÇ YILMAZ

  2. Anomaly detection using machine learning techniques: A comparative study on first payment default prediction in retail loans

    Yapay öğrenme yöntemleriyle anomali saptanması: Bireysel kredilerde ilk ödemede batma tahmini üzerine karşılaştırmalı bir çalışma

    AHMET TALHA YİĞİT

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bankacılıkİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  3. Data-driven delay estimation and anomaly detection: A study on European and Turkish air traffic

    Veri güdümlü gecikme tahmini ve anomali tespiti: Avrupa ve Türkiye hava trafiği üzerine bir çalışma

    MUHAMMET AKSOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. EMRE KOYUNCU

  4. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  5. A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA