Pulmoner emboli klinik tanı sistemi
Pulmonary embolism clinical support system
- Tez No: 515234
- Danışmanlar: YRD. DOÇ. DR. BURÇİN KURT
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Destek vektör makinesi, karar ağacı, klinik tanı sistemi, nefes darlığı, pulmoner emboli, yapay sinir ağı, Destek vektör makineleri, Dispnea, Emboli, Emboli ve tromboz, Teşhis, Teşhis teknikleri ve prosedürleri, Teşhis-ayırıcı, Yapay sinir ağları, Artificial neural network, clinical diagnosis system, decision tree, dyspnea, pulmonary embolism, support vector machine, Support vector machines, Embolism, Embolism and thrombosis, Diagnosis, Diagnostic techniques and procedures, Diagnosis-differential, Artificial neural networks
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Pulmoner emboli (PE) vücudun herhangi bir yerinde oluşan pıhtının koparak akciğerleri tıkaması durumudur. PE damarın tıkanıklığına göre ölüme neden olabilir. Genellikle sık karşılaşılan ölüm oranı yüksek ve kısa sürede müdahale edilmesi gereken bir hastalıktır. Ölüm oranı % 7 ile % 12 arasında değişmektedir. Bu yüzden PE‟de erken ve doğru teşhis tedavide büyük rol oynamaktadır. Son yıllarda makine öğrenmesi ve veri madenciliği yöntemleriyle özellikle tıp alanında birçok hastalığın sınıflandırılması, tahminlenmesi, risk hesaplanması gibi önemli çalışmalar yapılmaktadır. Bu tez çalışmasında makine öğrenmesi yöntemleri kullanılarak pulmoner emboli teşhisinde hekime yardımcı olabilecek bir klinik tanı sistemi geliştirilmesi hedeflenmiştir. Sistemin geliştirilmesi için yapay sinir ağı (YSA), destek vektör makinesi (DVM) ve karar ağacı yöntemleri kullanılmıştır. Bu tez çalışmasında 2012-2017 yılları arasında KTÜ Tıp Fakültesi Farabi Hastanesi Acil Tıp Servisine nefes darlığı şikayeti ile başvuran ve pulmoner emboli tanısı alan ve pulmoner emboli tanısı almayan 240 hasta verisi kullanılmıştır. Kullanılan hasta verilerinin biyokimya laboratuvar test sonuçları uzman hekim yardımıyla incelenerek elde edilmiştir. Cinsiyet, yaş, D_dimer, PaCO2, PaO2 ve lokosit girdi verileri kullanılarak hekime yardımcı bir klinik tanı sistemi geliştirilmiştir. Geliştirilen DVM modeline göre % 91 duyarlılık, % 77 özgüllük, karar ağacı modeline göre % 84 duyarlılık, % 88 özgüllük ve YSA modeline göre % 93 duyarlılık, % 85 özgüllük değerleri elde edilmiştir. Bu tez çalışmasında geliştirilen YSA, DVM ve karar ağacı modellerine göre en iyi sonucu YSA modelinin verdiği görülmüştür.
Özet (Çeviri)
Pulmonary Embolism Clinical Support System Pulmonary embolism (PE) is a condition in which the clot that forms anywhere in the body breaks and blocks the lungs. PE can cause death according to occlusion of the vein. Generally, it is common disease which has high mortality rate and must be cured in short time. Mortality rate ranges from 7 % to 12 %. So early and correct diagnosis of PE plays a major role in the treatment. In recent years, important studies such as classification, estimation and risk calculation of many diseases have made especially in the field of medicine with machine learning and data mining methods. This thesis study, it is aimed to develop a clinical diagnosis system which can help the diagnosis pulmonary embolism using machine learning methods. Artificial neural network (ANN), support vector machine (SVM) and decision tree methods are used for system development. In this thesis study, 240 patients who applied with the complaint of dyspnea to Farabi Hospital Emergency Medicine Department of KTU Medical Faculty between the years of 2012-2017 and who did and did not receive a pulmonary embolism were used. Patient data obtained were obtained by examining the biochemical laboratory test results with help of specialist physician. Clinical diagnostic system has developed to aid in the treatment of patients using sex, age, D-dimer, PaCO2, PaO2 and leukocyte input data. According to developed SVM model, 91 % sensitivity, 77 % specificity, according to decision tree model, 84 % sensitivity, 88 % specificity and and 93 % sensitivity, 85 % specificity according to ANN model have obtained. In this thesis study, the best result was given by ANN model to ANN, SVM and decision tree models have developed.
Benzer Tezler
- Kronik obstrüktif akciğer hastalığı ile takipli olgularda pulmoner emboli sıklığı ve klinik özellikleri
Frequency and clinical characteristics of pulmonary embolism in patients followed with chronic obstructive pulmonary disease
ÖVGÜ VELİOĞLU YAKUT
Tıpta Uzmanlık
Türkçe
2024
Göğüs HastalıklarıAnkara ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. ÖZNUR YILDIZ
- Acil serviste akut pulmoner emboli tanısı alan hastalarda klinik, laboratuar ve görüntüleme yöntemleri ile skorlama sistemleri arasındaki ilişkinin araştırılması
Investigation of the relationship between clinical, laboratory and imaging methods and scoring systems in patients with acute pulmonary embolism in emergency department
AHMET ERÇOBAN
Tıpta Uzmanlık
Türkçe
2019
İlk ve Acil YardımSelçuk ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. HASAN KARA
- Pulmoner emboli tanısında klinik değerlendirme ve noninvaziv yöntemlerin değeri
The value of the clinical evaluation and the noninvazive methods in the diagnosis of pulmonary embolism
EMEL HANCI
Tıpta Uzmanlık
Türkçe
2001
Göğüs HastalıklarıTrakya ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
DOÇ.DR. OSMAN NURİ HATİPOĞLU
- Acil serviste akut pulmoner emboli tanısı alan hastaların Sistemik İmmün İnflamatuar İndeks değerinin 30 günlük mortaliteyi öngörmedeki etkinliği
The efficacy of the Systemic Immune-Inflammation Index in predicting 30-day mortality in patients diagnosed with acute pulmonary embolism in the emergency department
EVREN DÖNMEZ
Tıpta Uzmanlık
Türkçe
2026
Acil TıpKütahya Sağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDİL ÇOŞKUN
- Ayaktan ve yatarak pulmoner emboli tanısı konulan hastaların klinik sınıflandırmaya göre laboratuvar ve radyolojik parametrelerinin değerlendirilmesi
Başlık çevirisi yok
EMRE BACAKSIZ
Tıpta Uzmanlık
Türkçe
2023
Göğüs HastalıklarıBolu Abant İzzet Baysal ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMİNE ÖZSARI