Kronik böbrek hastalığının makine öğrenmesi yöntemleriyle analizi
Analysis of chronic kidney disease with machine learning methods
- Tez No: 554000
- Danışmanlar: PROF. DR. HASAN ERBAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Kırıkkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Teknolojik gelişmeler sonucu dijital ortamlarda kaydedilen birçok veri sonucunda büyük veri yığınları oluşmuştur. Bu büyük veri yığınlarının üzerinde veri madenciliği yöntemleriyle çalışmalar yapılarak, anlamlı ve yararlı bilgilerin ortaya çıkarılması sağlanmaktadır. Her gün çok yüksek oranda verilerin toplandığı bir dünyada yaşıyoruz. Bu verilerin analiz edilmesi önemli bir ihtiyaç haline gelmiştir. Klasik analiz yöntemlerinin büyük verilerin analizi konusunda yetersiz kalması, veri madenciliği yöntemlerinin önemini arttırmıştır. Her dönemde olduğu gibi günümüzün en önemli araştırma alanı olan tıp alanında, hastaların verileri sürekli olarak kayıt altına alınmaktadır. Kaydedilen veriler bazen tek başına önemsiz gibi görünse de, diğer verilerle birlikte analiz edildiğinde gizlenen önemli bilgilerin elde edilmesi mümkündür. Elde edilen değerli bilgiler sayesinde sağlık sektörünün gelişmesine ve doktorların doğru teşhisine yardımcı olmaktadır. Bu tez çalışmasında, Kronik Böbrek Hastalığı(KBH) veri seti üzerinde analiz yapılmıştır. Çorum Hitit Üniversitesi Erol Olçok Eğitim ve Araştırma Hastanesinde 216 hastadan elde edilen veriler kullanılmıştır. Veriler üzerinde makine öğrenmesi yöntemleri uygulanmış ve hastalık sınıflandırılması yapılmıştır. Uzman görüşü alınarak, hastalara tanı koymak için kullanılan bazı değişkenler veri kümesinden çıkarılarak geriye kalan değişkenlerle analiz yapılmıştır. Bu değişkenler ayrı olarak incelendiğinde tanı koymak için yetersizdi, ancak birlikte analiz edildiklerinde tanıya önemli katkı sağladıkları tespit edilmiştir. Farklı modeller oluşturularak, bu modellerin veri üzerindeki tahmin sonuçları karşılaştırılmış ve bu sonuçlara bağlı olarak bu veriler üzerinde hangi modelin daha iyi sonuç verdiği belirtilmiştir.
Özet (Çeviri)
With the advancement of technology, a lot of data was recorded in digital media and big data piles were created. Thanks to data mining, studies are being carried out to reveal meaningful and useful information within these large masses of data. Every day we live in a world where very high data is collected. Analyzing these data has become an important need. In particular, the lack of classical analysis methods in analyzing large masses of data increased the importance of data mining methods. As in every period, in the field of medicine, which is the most important research area of our day, the data of the patients are continuously recorded. While the recorded data sometimes seem to be insignificant alone, it is possible to obtain important information that is hidden when it is analyzed together with other data. Thanks to the valuable information obtained, it helps the development of the health sector and the correct diagnosis of the doctors. In this thesis study, an analysis was made on the Chronic Kidney Disease (CKD) data set. Data obtained from 216 patients from Çorum Hitit University Erol Olçok Training and Research Hospital were used. Machine learning methods were applied on the data and disease classification was made. By taking expert opinion, some variables used to diagnose patients were subtracted from the dataset and analyzed with the remaining variables. These variables were inadequate to diagnose when examined separately, but they were found to contribute significantly to diagnosis when analyzed together. By creating different models, the estimation results of these models are compared on the data and depending on these results it is stated which model gives better results.
Benzer Tezler
- Early detection and estimation of diseases by using machine learning methods
Makine öğrenme yöntemleriyle hastalıkların erken tespiti ve tahmini
AHMED HASHIM ABDULHUSSEIN ALESHAIQER
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEFER KURNAZ
- Makine öğrenmesi yöntemleri ile kronik böbrek hastalığının teşhisinin iyileştirilmesi
Improvement of chronic kidney disease detection by the machine learning methods
AHMET ÜNSAL
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSüleyman Demirel ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. CENGİZ GAZELOĞLU
- Predicting chronic kidney disease using ML by using two different datasets: A comparison study
İki farklı veri seti kullanarak makine öğrenmesi ile kronik böbrek hastalığının tahmin edilmesi: Bir karşılaştırma çalışması
ALPER YILMAZ
Yüksek Lisans
İngilizce
2023
NefrolojiBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
DR. ÖZGE YÜCEL KASAP
- Analysis of neuro-fuzzy inference system approaches for diagnosis of chronic kidney disease
Kronik böbrek hastalığının teşhisinde sinirsel-bulanık çıkarım sistemine dayalı yaklaşımların çözümlenmesi
ZOLEYKHA TEYMOURI HAJI ABAD
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN POLAT
- Tip 2 diyabetin erken tanısında makine öğrenme tekniklerinin kullanılması
Using machine learning techniques for EARLY diagnosis of TYPE 2 diabetes
AYÇA ŞANLI
Yüksek Lisans
Türkçe
2023
BiyoistatistikAkdeniz ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
DOÇ. DR. UĞUR BİLGE