Some machine learning techniques for medical diagnosis
Tıbbi teşhisler için bazı makine öğrenme teknikleri
- Tez No: 573708
- Danışmanlar: DOÇ. DR. CAFER ÇALIŞKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Antalya Bilim Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 115
Özet
Teknolojideki büyük atılımlarla elde edilen biyolojik veri miktarında büyük bir artış vardır ve bu verilerin miktarı her geçen gün katlanarak artmaktadır. Biyolojik verilerin analizi ve yorumlanması geleneksel yöntemlerle çok zor olduğu için veri madenciliği algoritmalarının ve makine öğrenme tekniklerinin kullanımı sağlık alanında yaygınlaşmıştır. Bu çalışmada, biyokimya ve hormon değerleri, doğrusal regresyon, genelleştirilmiş doğrusal regresyon, derin öğrenme, rastgele orman, gradyan arttırma ağaçları ve destek vektör makinesi gibi bazı makine öğrenme teknikleri kullanılarak tahmin edilmeye çalışılmıştır. Laboratuvar sonuçları referans aralıklarına göre analiz edilerek, biyokimya ve hormon parametreleri arasındaki bilinmeyen ilişkiler ortaya çıkarılmaya çalışılmıştır. Son olarak, elde edilen sonuçlar paylaşılmış ve modelin performansı değerlendirilmiştir.
Özet (Çeviri)
There is a huge increase in the amount of biological data obtained with the great breakthroughs in technology, and the amount of this data increases exponentially every day. The use of data mining algorithms and machine learning methods has become widespread in the field of health, because analysis and interpretation of biological data is very difficult with traditional methods. In this study, biochemistry and hormone values are used to make some prediction on medical diagnosis with some machine learning methods such as linear regression, generalized linear regression, deep learning, random forests, gradient boosted trees and support vector machines. With the analysis of the laboratory results according to the reference ranges, it is tried to reveal some new relations of biochemistry and hormone parameters. Finally, the results are presented and the performance of the model is evaluated.
Benzer Tezler
- Epilepsy seizure detection in eeg signals using wavelet transforms and support vector machines
Dalgacık dönüşümü ve destek vektör makineleri kullanarak epilepsi nöbeti tanıma
AWIN MAHMOOD SALEEM
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ÇINAR
- Zeki sınıflandırma ve kümeleme yöntemlerinin tıbbi tanı ve tedavide kullanımı
The usage of intelligent classification and clustering methods in medical diagnosis and treatment
UĞUR ERKİN KOCAMAZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN TAŞKIN
- Detection of cancerous brain cells with machine learning
Makine öğrenimi ile kanserli beyin hücrelerinin tespiti
UYGAR CANKAT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TANER DANIŞMAN
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Biyomedikal sinyallerde veri ön-işleme tekniklerinin medikal teşhiste sınıflama doğruluğuna etkisinin incelenmesi
The investigation of effect of data pre-processing techniques to classification accuracy on medical diagnosis in biomedical signals
KEMAL POLAT
Doktora
Türkçe
2008
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SALİH GÜNEŞ