Comparison of machine learning algorithms for blood glucose prediction on aida simulator
Aida simülatörü üzerinde kan şekeri tahmini için makine öğrenmesi algoritmalarının kıyaslanması
- Tez No: 510448
- Danışmanlar: DOÇ. DR. ALBERT GÜVENİŞ
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, İstatistik, Biostatistics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Kan sekeri degeri tahmini, makine ögrenme tekniklerinin yaygınlasması ve günümüz bilgisayarlarının ve akıllı cihazların kapasitelerinin artmasıyla ilgi çeken konulardan biri haline geldi. Bu çalısmada amaç, benzer çalısmalardan esinlenerek, AIDA simülatörü ile elde edilen verilerle kan sekeri tahmini yapmak. Bu dogrultuda hedef, sanal ortamda test yapılmasını saglamak oldu. Simülatör kullanılmasının, veri toplamanın kolay ve hızlı olması, hamilelik, stres gibi çevresel etmenleri göz ardı etmesi gibi faydaları da mevcut. Tahminler, test anının 15, 30 ve 60 dakika sonrasındaki degerleri, destekçi vektör makinesi, karar agacı, Gauss süreci, k-en yakın komsu, rastgele orman ve sinir agları arasından da ileri ilerleyen, bulanık ve tekrarlayan yapay sinir agları algoritmalarıyla gerçeklestirildi. Bu çalısmanın sonucunda bulanık sinir agı, 15, 30 ve 60 dakikalık tahminlerde sırasıyla 1.19mg/dl, 2.53mg/dl ve 5.81mg/dl kök-ortalama karesel hata degerleri ile en iyi sonuca ulastı. Bu makalenin hedef kitlesi, kan sekeri tahmini üzerinde çalısacak ve elinde girdilere ve performans kriterlerine göre etkili bir model seçmeye çalısan arastırma grupları olarak düsünülmektedir. Bu çalısma, bilgisayar ortamında test amaçlı model olusturulması için bir rehber olma özelligi tasımaktadır. Aynı zamanda baglamı gerçek hasta verisi özellikleri kullanılarak kıyaslama testleri yapılması dogrultusunda da genisletilebilir.
Özet (Çeviri)
of real patient data is that it is easy to collect data, and it disregards external factors like pregnancy or stress. For estimates with prediction horizons (PH) with 15,30 and 60 minutes, support vector regression (SVR), decision tree regression, Gaussian process regression, k-NN regression, random forest regression and for neural networks: recurrent neural network (RNN) with long short-term memory (LSTM) unit and neuro-fuzzy network and feed-forward neural network (FFNN)have been employed. Among multiple algorithms neuro-fuzzy network (ANFIS) has the best results with RMSE values of 1.19 mg/dl, 2.53mg/dl and 5.81mg/dl for 15,30 and 60 minutes prediction horizons (PH). The audience for this paper is the research community who works on BG prediction and looking for ways to design a model for an algorithm for their selected set of inputs. This study presents a guide to selecting an algorithm and build a model for in silico simulation. This research can be extended to real world data or converted into a tool to create benchmark tests for models with given features and hyperparameters.
Benzer Tezler
- Diyabet akıllı destek sistemi: Bilgi erişim teknikleri ile kan şekeri seviyesinin tahmini
Diabetes intelligent support system: Prediction of blood sugar levels using information retrieval techniques
ADİL KONDİLOĞLU
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TAYFUN KÜÇÜKYILMAZ
- Sınıflandırma problemlerinde lojistik regresyon ile makine öğrenmesi algoritmalarının performanslarının karşılaştırılması: veterinerlik alanında bir uygulama
Comparison of the performance of logistic regression and machine learning algorithms in classification problems: An application in the field of veterinary medicine
MERT DEMİRSÖZ
Yüksek Lisans
Türkçe
2023
BiyoistatistikSelçuk ÜniversitesiVeterinerlik Biyoistatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HARUN YONAR
- Derin öğrenme modellerinin hücre veri seti üzerinde eğitilerek kıyaslanması ve mobil ortama uyarlanması
Comparision and mobile application of deep learning models trained on blood cell dataset
MEHMET YAVUZ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ZAHİD YILDIZ
- Piezoelectric metamaterial blood pressure sensor
Piezoelektrik metamateryal kan basıncı sensörü
ABDOLLAH AHMADPOUR
Yüksek Lisans
İngilizce
2023
Makine MühendisliğiKoç ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. SAVAŞ TAŞOĞLU
- Detection of chronic diseases using DEEP versus machine learning techniques
Makine öğrenimi tekniklerine karşi derin öğrenme kullanarak kronik hastaliklarin tespiti
AHMED ABBAS ABDULSADA ABDULSADA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiEndodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA