Geri Dön

Dengesiz klinik veriler için karar destek önerisi: Akut apandisit örneği

A decision support proposal for imbalanced clinical data: Acute appendicitis cases

PDF İndir

  1. Tez No: 593821
  2. Yazar: KEVSER ŞAHİNBAŞ
  3. Danışmanlar: PROF. DR. SEVİNÇ GÜLSEÇEN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Enformatik Bilim Dalı
  13. 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

  1. Tez No

    933956

    Reinforcement learning-driven ensemble neural networks for heart disease prediction

    Kalp hastalığı tahmini için takviyeli öğrenme tabanlı topluluk sinir ağları

    ÖZGE HÜSNİYE NAMLI DAĞ

    Doktora

    İngilizce

    İngilizce

    2025

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEDA YANIK ÖZBAY

  2. Tez No

    919748

    A radiogenomics-based approach to clinical decision making

    Klinik karar vermede radyogenomik tabanlı bir yaklaşım

    MERVE KAŞIKCI ÇAVDAR

    Doktora

    İngilizce

    İngilizce

    2025

    BiyoistatistikHacettepe Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. ERDEM KARABULUT

    DOÇ. DR. ERDAL COŞGUN

  3. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  4. Tez No

    758358

    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

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiGaziantep Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    Prof. Dr. ERGUN ERÇELEBİ

  5. Tez No

    957911

    Koroner arter bypass grefti işlemi sonrası akut böbrek hasarı gelişen hastalarda risk faktörlerin belirlenmesi ve prognozun değerlendirilmesi

    Determination of risk factors and evaluation of prognosis in patients with acute kidney injury following coronary artery bypass grafting

    GÖZDE NUR TEKELİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    NefrolojiSağlık Bilimleri Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. AYŞE ZEYNEP BAL

Geri Dön