Makine öğrenme yöntemleri ile karaciğer hastalığının teşhisi
Diagnosis of liver disease with machine learning methods
- Tez No: 573609
- Danışmanlar: DOÇ. DR. AYTÜRK KELEŞ
- 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: Ağrı İbrahim Çeçen Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: 115
Özet
Karaciğer hastalıkları dünya çapında oldukça yaygın görülen hastalıklardandır. Hem çok sık görülme hem de yüksek ölümle sonuçlanma oranı nedeniyle bu hastalıkların erken ve doğru teşhisi hayati önem taşımaktadır. Tıpta geleneksel teşhis yöntemleri hala kullanılmaktadır. Ancak bugün gelişen yapay zekâ teknolojileri sayesinde hastalık teşhis, tanı ve tedavi süreçlerinde hekimlere destek olacak güçlü araçlar sunulabilmektedir. Bu tez çalışmasında yapay zekânın bir alt alanı olan makine öğrenme algoritmaları karaciğer hastalıklarının teşhisi için kullanılmıştır. Bu çalışmada WEKA veri madenciliği aracından faydalanılarak J48, Lojistik Model Ağacı (LMT), Decision Stump, Hoeffding Tree, REP Tree, Random Forest, Random Tree ve IBk makine öğrenme algoritmaları ile Karaciğer Hasta Veri Seti (ILPD) üzerinde çalışılmıştır. Amaç, bu algoritmalar ile en iyi teşhis sonucuna ulaşmaktır. Çalışmada alanyazından farklı veri önişleme işlemeleri de kullanılmıştır. Çalışmanın birinci bölümünde karaciğer hastalıkları ve makine öğrenmesinin önemine vurgu yapılarak literatürdeki benzer çalışmalara yer verilmiştir. İkinci bölümde ise makine öğrenme ve veri madenciliği ile ilgili kuramsal temeller yer almıştır. Üçüncü bölümde; kullanılan veri seti hakkında ayrıntılı bilgiler verilmiş, uygulamadaki algoritmalar tanıtılmış ve verilerin önişlemlerden geçirilerek WEKA aracında algoritmalar ile nasıl kullanıldığı anlatılmıştır. Dördüncü bölümde elde edilen modellerin genel geçer sınıflandırma performansları değerlendirme ölçütlerine göre analiz edilmiştir. Beşinci ve son bölümde ise analizlerden elde edilen sonuçlar değerlendirilerek yorumlanmıştır. Makine öğrenme algoritmalarından elde edilen en iyi sınıflama modelleri hastalık teşhis ve tedavileri için geliştirilecek akıllı sistemlerin çıkarım mekanizmalarını oluşturma potansiyeline sahiptir. Bu tez çalışmasından elde edilen bilgiler ışığında bu çalışma, hastane bilgi yönetim sistemlerine dâhil olan, laboratuvar sonuçlarına erişebilen ve karaciğer hastalıkları taramasını otomatik gerçekleştirerek doktorlara hastaları ile ilgili gerekli uyarılarda bulunabilen akıllı bir sisteme dönüştürülebilir. İlerleyen süreçte öngörülen bu sistemin kapsamlı bir sağlık projesi haline dönüştürülmesi hedeflenmektedir. Bu çalışma karaciğer hastalıklarının erken teşhis ve tarama açısından kullanılan sınıflama algoritmaları ile karaciğer hastalıkları alanında hekimlere yardımcı olmak amacıyla karaciğer hastalığın teşhisi bakımından önem arz etmektedir.
Özet (Çeviri)
Liver diseases are among quite common diseases seen worldwide. Early and accurate diagnosis of these diseases has vital importance due to their very frequent occurrence and high mortality rate. Traditional diagnostic methods are still used in medicine. However, today, thanks to the developing artificial intelligence technologies, powerful tools can be provided to support physicians in disease diagnosis, detection and treatment processes. In this thesis, Machine learning algorithms, which is a subfield of artificial intelligence have been used for the diagnosis of liver diseases. In this study, using WEKA data mining tool by means of J48, Logistic Model Tree (LMT), Decision Stump, Hoeffding Tree, REP Tree, Random Forest, Random Tree and IBk machine learning algorithms are studied on Liver Patient Data Set (ILPD). The aim is to achieve the best diagnostic result with these algorithms. Data preprocessing processes different from literature were also used in the study. In the first part of the study, emphasizing the importance of liver diseases and machine learning, similar studies in the literature were included. In the second part, theoretical foundations related to machine learning and data mining were included. In the third section, detailed information was given about the data set used, the algorithms in the application were introduced, and how the data was passed through preprocessing and used with the algorithms in the WEKA tool was explained. In the fourth chapter, the universal classification performances of the obtained models are analyzed according to the evaluation criteria. In the fifth and final section, the results obtained from the analyzes were evaluated and interpreted. The best classification models attained from machine learning algorithms have the potential to create inference mechanisms of intelligent systems to be developed for Disease Diagnosis and treatments. In the light of the information obtained from this thesis, this study can be transformed into an intelligent system that is included in hospital information management systems, can access laboratory results and perform liver cancer screening automatically and make necessary warnings to doctors about their patients. In the following process, it is aimed to transform this system foreseen into a comprehensive health project. This study is important for the diagnosis of liver diseases in order to assist physicians in the field of liver diseases with the classification algorithms used for early diagnosis and screening of liver diseases.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile Karaciğer NASH hastalığının Belirlenmesi
Determination of Liver NASH disease by machine learning methods
FATEMEH GHADIRI
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZHAN ÖZTAŞ
DR. ÖĞR. ÜYESİ ABBAS ALI HUSSEINI
- A machine learning classification approach for diabetes and biomedical data
Diyabet ve biyomedikal veri için bir makine öğrenmesi sınıflandırma yaklaşımı
SARBAST JALO HASHIM ALZEBARI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM BERKAN AYDİLEK
- Breast cancer data classification using SVM, NB and KNN algorithms
SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması
BURCU MERAL
Yüksek Lisans
İngilizce
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. KAMİL ORUÇOĞLU
- Multiclass classification of hepatic anomalies based on in vivo microwave dielectric properties
Hepatik anomalilerin in vivo mikrodalga dielektrik özelliklerine dayalı çok sınıflı sınıflandırılması
ZEYNEP GÜLSÜM BİLGEN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA YILMAZ ABDOLSAHEB
- Derin öğrenme teknikleriyle bilgisayarlı tomografi görüntülerinden otomatik karaciğer ve tümör segmentasyonu
Automatic liver and tumor segmentation from computed tomography images using deep learning techniques
TEVFİK ÇETİNTAŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR YILDIRIM