Geri Dön

Comparison of machine learning algorithms for blood glucose prediction on aida simulator

Aida simülatörü üzerinde kan şekeri tahmini için makine öğrenmesi algoritmalarının kıyaslanması

  1. Tez No: 510448
  2. Yazar: DOĞUGÜN ÖZKAYA
  3. Danışmanlar: DOÇ. DR. ALBERT GÜVENİŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, İstatistik, Biostatistics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Biyo-Medikal Mühendislik Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. TAYFUN KÜÇÜKYILMAZ

  2. 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

    Türkçe

    2023

    BiyoistatistikSelçuk Üniversitesi

    Veterinerlik Biyoistatistik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HARUN YONAR

  3. 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

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ZAHİD YILDIZ

  4. Piezoelectric metamaterial blood pressure sensor

    Piezoelektrik metamateryal kan basıncı sensörü

    ABDOLLAH AHMADPOUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Makine MühendisliğiKoç Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SAVAŞ TAŞOĞLU

  5. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Endodonti Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA