Dengesiz klinik veriler için karar destek önerisi: Akut apandisit örneği
A decision support proposal for imbalanced clinical data: Acute appendicitis cases
- Tez No: 593821
- Danışmanlar: PROF. DR. SEVİNÇ GÜLSEÇEN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: 155
Özet
Sağlık alanında karın ağrısı şikâyetiyle hastaneye başvuran hastalarda akut apandisit teşhisin zor tanımlanması sıkça gereksiz akut apandisit ameliyatlarına sebep olmaktadır. Bu çalışmanın amacı karın ağrısıyla hastaneye başvuran hastalarda sınıflandırmaya dayalı makine öğrenmesi algoritmaları aracılığı ile mevcut vakanın ameliyat gerektiren akut apandisit olup olmadığının teşhisini sağlamak ve gereksiz olası ameliyat sürecini önlemektir. Bu amaca yönelik sağlık alanında sıkça karşılaşılan sınıf dengesizliği probleminin sınıflandırma üzerindeki olumsuz etkisini azaltmak için SMOTE, Random Oversampling ve Random Undersampling yöntemleri önerilmiş ve akut apandisit teşhisinin tahmini için Alvarado Skora ait risk faktörlerinden yararlanılmıştır. Bu amaçla Alvarado skoru ile akut apandisit tanısında altın standart olarak kabul edilen histopatolojik rapor sonucu karşılaştırılmıştır. Sınıflandırma algoritmalarından Destek Vektör Makinesi, Rasgele Orman, Yapay Sinir Ağları, Naive Bayes, k-En Yakın Komşu Algoritması ve Lojistik Regresyon kullanılarak farklı sınıflandırma modelleri oluşturulmuştur. Oluşturulan modellerden elde edilen sonuçlar karşılaştırılarak en iyi performans gösteren sınıflandırma yöntemi önerilmiştir. En iyi performansın tespit edildiği Destek Vekör Makinesi algoritması için arayüz oluşturularak hekimlerin karar verme mekanizmasına katkı sunabilecek Karar Destek Sistemi uygulaması geliştirilmiş ve Alvarado skorlarına yeni bir bakış açısı önerilmiştir.
Özet (Çeviri)
The difficult diagnosis of acute appendicits of patients appealing to the hospital with abdominal pain often leads to unnecessary acute appendicits operations. Accordingly, the aim of this study is to be able to provide the correct diagnosis whether the existing case indeed neccesiates operation or not through machine learning algorithms based on classification. To that purpose, SMOTE, Random Oversampling and Random Undersampling methods were proposed to reduce the negative effects of common imbalanced data set problem on classification and it was benefitted from the risk factors in relation to Alvarado Score to predict the diagnosis of acute appendicits. Therefore, the result of histopatologic report which is accepted as a gold standart for the diagnosis acute appendicits was also compared with Alvarado Score. Additionally, different classification models were generated by using classification algorithms like Support Vektor Machine, Random Forest, Artificial Neural Network, Naive Bayes, k-Nearest Neighbor and Logistic Regression. Consequently, a decision support system was developed that could contribute to the decision making mechanism by generating interface for the Support Vektor Machine algorithm in which the best performance was obtained and a different perspective was provided with the Alvarado Score.
Benzer Tezler
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- COVID-19 detection from signs and symptoms using machine learning
Makine öğrenimi kullanılarak belirti ve semptomlardan COVID-19 tespiti
JAMAL ALALI ALAHMAD
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
Prof. Dr. ERGUN ERÇELEBİ
- Spastisitede botulinum toksin uygulamasının yürüme üzerine etkinliği
Başlık çevirisi yok
BELİZ CEYDA BELLİ
Tıpta Uzmanlık
Türkçe
2003
Fiziksel Tıp ve RehabilitasyonMarmara ÜniversitesiFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. NADİRE BERKER
- Erken dönem diyabet riskinin makine öğrenmesi ve istatistiksel yöntemlerle tahmini
Prediction of early-stage diabetes risk with machine learning and statistical techniques
YUSUF HALLAÇ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SİNAN ÇALIK
- Derin öğrenme ile pnömoni hastalığını tespit etme
Determining of pneumonia disease with deep learning
GAMZE AKPOLAT
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
ÖĞR. GÖR. HÜLYA YALÇIN