A data mining approach to predicting patient-based laser machine settings for kidney stone treatment operation
Böbrek taşı tedavi operasyonunda hasta bazlı lazer-makine ayarlarının tahmini için bir veri madenciliği yaklaşımı
- Tez No: 652356
- Danışmanlar: PROF. DR. MUSTAFA NECATİ ARAS, PROF. DR. HAKAN TOZAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Üriner sistem taş hastalığı, insan sağlığını ve yaşam kalitesini etkileyen yaygın bir sağlık problemidir. Bu hastalığın tedavisinde ana amaç hastaya en az zarar verilerek komplet taşsızlık halinin sağlanmasıdır. Teknolojik gelişmelerle birlikte hastalığın tedavisine yönelik yaklaşımlar çeşitlilik kazanmıştır. Tedavi yöntemlerinin çeşitli olmasının yanı sıra hasta için uygulanması planlanan tedavi yönteminin, hasta karakteristiği göz önünde bulundurularak uygulanması tedavi başarısını etkileyen bir etkendir. Bu çalışmada, böbrek taşlarının RIRS yöntemi ile tedavi edilmesi durumunda operasyonun başarıyla tamamlanması için hastaya özel makina ayarlarının tahmin edilmesi hedeflenmiştir. Bu motivasyonla lineer regresyon, regresyon ağaçları, rassal orman ve ekstrem gradyan arttırma metodlarının makina ayar tahminindeki performansları analiz edilmiştir. Uygulama, İstanbul Medipol Üniversitesi Hastanesi Üroloji Bölümünden sağlanan veri seti kullanılarak gerçekleştirilmiştir. Söz konusu veri setinin, görece az gözlem içermesinin ve uygulanan imputasyon yöntemlerinin başarılı olmamasının, beklenen sonuçların elde edilememesinde etkili olduğu kanısına varılmıştır. Bu sebeple orijinal veri seti kullanılarak sentetik veri üretilmesi yoluna gidilmiştir. Sentetik veri üzerinde kurulan modeller orijinal veri üzerinde test edilmiştir. Sentetik veri üzerinde kurulan modellerin daha az hatalı tahminler verdiği görülmüştür. Ayrıca başarılı ve başarısız alt gruplar üzerinde eğitilen modeller, beklenildiliği gibi üzerinde eğitildikler veri grupları farklı olması sebebiyle birbirinden farklı tahminler vermiştir.
Özet (Çeviri)
Urinary tract stone disease is a common health problem that affects human health and quality of life. The main goal for the treatment of this disease is to reach a complete stone-free status by causing minimal damage to the patient. The advancement in technology has brought many modalities for the treatment of kidney stones. Selecting the best treatment option by considering patient characteristics is an important factor affecting the success of the treatment. In this study, it is aimed to estimate patient-specific machine settings for successful completion of an operation performed using the Retrograde Intrarenal Surgery method. With this motivation, the performance of linear regression, regression trees, random forest, and extreme gradient boosting methods in machine setting estimation are analyzed. The study is carried out using a dataset provided by the Urology Department of İstanbul Medipol University Hospital. Since the dataset has many missing values with only few complete observations and imputation methods do not provide good results, synthetic data is generated using the original dataset. Models constructed on synthetic data are tested on the original data. Models established on synthetic data have been found to give better estimates. In addition, the models trained on successful observations and the models trained on unsuccessful observations give different estimates, since the data groups they are trained on are different.
Benzer Tezler
- Estimation of heart disease based on data mining using patients health database
Hasta sağlığı veri tabanı kullanarak veri madenciliğine dayalı kalp hastalığı tahmini
AZHAR HATEM JEBUR AL BAIDHANI
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Ana Bilim Dalı
Assist. Prof. YASA EKŞİOĞLU ÖZOK
- Predicting the disease of alzheimer (AD) with SNP biomarkers and clinical data based decision support system using data mining classification approaches
Alzheimer (AD) hastalığının veri madenciliği sınıflandırma yaklaşımları kullanarak SNP biyolojik göstergeleri ve klinik verilerle karar destek sistemlerine dayalı tahmin edilmesi
ONUR ERDOĞAN
Yüksek Lisans
İngilizce
2012
BiyoistatistikOrta Doğu Teknik ÜniversitesiSağlık Bilişimi Ana Bilim Dalı
YRD. DOÇ. DR. YEŞİM AYDIN SON
- Hybrid detection techniques for skin cancer images
Başlık çevirisi yok
HASAN ABED HASAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Analitik hiyerarşi süreci ve veri madenciliği teknikleriyle hibrit bir karar destek sistemi uygulaması: kovid19 tanısı
A hybrid decision support system application with analytic hierarchy process and data mining techniques: diagnosis of COVİD 19
AHMET BURSALI
Yüksek Lisans
Türkçe
2023
BiyoistatistikEge ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
DOÇ. DR. ASLI SUNER KARAKÜLAH
- BT görüntüleri üzerinden kalp odacıklarının bölütlenmesine yönelik alternatif bir yaklaşım
An alternative approach for the segmentation of the heart chambers from CT images
SERAP ERK
Yüksek Lisans
Türkçe
2015
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA İNCİ ÇİLESİZ
PROF. DR. BÜLENT BAYRAM