Geri Dön

Development of data mining methodologies and machine learning models to understand cardiovascular disease mechanisms

Kardı̇ovasküler hastalık oluşum mekanı̇zmalarını anlamak ı̇çı̇n verı̇ madencı̇lı̇ğı̇ yöntemlerı̇ ve makı̇ne öğrenmesı̇ modellerı̇nı̇n gelı̇ştı̇rı̇lmesı̇

  1. Tez No: 609401
  2. Yazar: BURAK KOLUKISA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BURCU BAKIR GÜNGÖR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Abdullah Gül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 95

Özet

Dünya Sağlık Örgütü'nün 2016 yılında yayınladığı bir rapora göre, Koroner Arter Hastalığı (KAH), dünyadaki toplam ölümlerin %31'ine (17,9 milyon), neden olmaktadır. Ayrıca, 2030'da yaklaşık 23,6 milyon insanın KAH'dan dolayı öleceği tahmin edilmektedir. Bu hastalığın önümüzdeki yıllarda, milyonlarca ölüme neden olacağı, tanı ve tedavisinin milyarlarca dolara mal olacağı düşünülmektedir. KAH, arterlerin duvarlarında aterom denilen yağlı madde birikiminin bir sonucu olarak, kalbin kanla yeterince beslenmemesi durumudur. Makine öğrenmesi ve veri madenciliğinin yöntemlerinin gelişmesiyle birlikte, bazı fiziksel ve biyokimyasal değerleri kontrol ederek, Kardiovasküler Hastalığı (KVH) ucuz ve zahmetsiz bir şekilde teşhis etmek mümkündür. Bu bağlamda, bu tezde, KVH teşhisi için farklı hesaplamalı öznitelik seçme (ÖS) yöntemleri, doğrusal ayırt edici analizler ve farklı sınıflandırma algoritmaları değerlendirilmiş; ve bir alan bilgisi temelli ÖS yöntemi, bir topluluk ÖS yöntemi ve bir olasılıksal ÖS yöntemi önerilmiştir. Bu tez çalışması, halka açık iki veri seti olan UCI Cleveland ve Z-Alizadehsani verileri üzerinde deneyler yaparak, KHV'ları daha düşük maliyetle teşhis edebilecek sağlam bir model geliştirmeyi amaçlamaktadır. Önerilen çözüm, yapılan deneylerdeki tanı testlerinde %91.78 doğruluk ve %93.50 duyarlılık ulaşmıştır.

Özet (Çeviri)

World Health Organization (WHO) reported that in 2016, 31% (17.9 million) of the total deaths in the world were caused by Coronary Artery Disease (CAD) and it is estimated that around 23.6 million people will die from CAD in 2030. In the following years, this disease will cause millions of more deaths and the diagnosis and treatment will cost billions of dollars. CAD, which is a sub-category of Cardiovascular Disease (CVD), is the inability to feed the heart with blood as a result of the accumulation of fatty matter called atheroma on the walls of the arteries. With the development of machine learning and data mining techniques, it became possible to diagnose Cardiovascular Diseases (CVD), especially CADs, at a lower cost via checking some physical and biochemical values. To this end, in this thesis, for CVD diagnosis problem, different computational feature selection (FS) methods, dimension reduction, and different classification algorithms have been evaluated; and a domain knowledge-based FS method, an ensemble FS method and a probabilistic FS method have been proposed. Via experimenting on two publicly available data sets, i.e., UCI Cleveland and Z- Alizadehsani, this thesis aims to generate a robust model for the diagnosis of CVD, at a lower cost. In our experiments, our proposed solution achieved 91.78% accuracy and 93.50% sensitivity on the diagnostic tests.

Benzer Tezler

  1. Pertübasyon yöntemi ile hassas veri güvenliğine yönelik çok değişkenli veriler için tahmin analizi

    Prediction analysis for multivariate data with respect to sensitive data security using the perturbation method

    İLKER İLTER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SAFİYE SENCER

  2. Patlatma kaynaklı yer sarsıntısı tahmininde uyarlamalı bulanık çıkarım sistemi (ANFIS), destek vektör makineleri (SVM) ve gauss süreç regresyonu (GPR) tekniklerinin kullanımı

    Application of adaptive-network based fuzzy inference system (ANFIS), support vector machines (SVM) and gaussian process regression (GPR) techniques for prediction of blast-induced ground vibrations

    YAŞAR AĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Maden Mühendisliği ve Madencilikİstanbul Teknik Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜRKER HÜDAVERDİ

  3. Yumuşak hesaplama yöntemlerinin geliştirilmesi ve elektriksel sürücülerdeki uygulamaları

    The improvement of soft computing methods and its applications in electric drives

    MEHMET KARAKÖSE

    Doktora

    Türkçe

    Türkçe

    2005

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ.DR. ERHAN AKIN

  4. Nesneye dayalı yazılımların tasarım kalitesini ölçmek için öğrenme tabanlı bir yöntem

    A learning-based measurement method for design quality of object oriented software systems

    NURDAN CANBAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. FEZA BUZLUCA