Yelken balığı eniyileme yaklaşımı ile güçlendirilmiş karar ağacı algoritması kullanarak kalp rahatsızlıklarının teşhisi
Using sailfish optimizer with enhanced decision tree algorithm to diagnose heart disease
- Tez No: 662188
- Danışmanlar: DOÇ. DR. ERDAL AYDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
Tıbbi karar destek sistemleri, teknolojik ilerlemelerle birlikte yükselişe geçmiş ve çok sayıda araştırmaya konu olmuştur. Etkili bir tıbbi karar destek sistemi geliştirmek, modelin karmaşıklığıyla ters orantılı olan zaman verimliliğinin yanı sıra yüksek miktarda doğruluk, kesinlik ve hassasiyet gerektirmektedir. Burada mevcut hasta verilerinin analizi yoluyla ilgili parametrelere göre öznitelik seçimi, makine öğrenimi ve yapay zekâ tekniklerinin sıklıkla kullanıldığı söylenebilir. Benzer şekilde; öğrenen ve yinelenen yenilikçi yöntemler ile elde edilen model davranışlarının daha iyi bir sınıflandırma ve kümeleme aracı olarak kullanılmasıyla, sisteme yeni gelen bir hasta verisi için gerekli nihai teşhis kararı üzerinde etkileri ilgi çekici bir konudur. Bu noktada, daha az belirleyici nitelik kullanılarak daha yüksek doğruluğa sahip bir karar alma süreci tasarlanması temel hedeftir. Tıp bilimi açısından çok önemli bir konu olan kalp hastalığını, erken teşhis etmek, güçlü ve güvenilir bir tıbbi karar destek sistemi geliştirmek birçok araştırmacının üzerinde çalıştığı bir alandır. Bu tez çalışması, kalp hastalıklarındaki ilgili özellikleri seçmeden önce makine öğrenmesi yöntemlerinden lojistik regresyon, en yakın K-komşu, karar ağacı, rassal orman, karar destek makinesi, naive bayes, stokastik gradyan inişi ve ekstrem gradyan artırma yöntemleri ile UCI Makine Öğrenmesi Deposu tarafından sunulan kalp hastalığı veri setinde çalışılmıştır. Elde edilen ilk sonuçlar değerlendirildiğinde, doğruluk oranlarının iyileştirilmesi için güncel bir meta-sezgisel eniyileme algoritması olarak yelken balığı eniyileme (YBO) algoritması önerilmiştir. Böylece doğruluk oranlarının ortalama olarak %18 iyileştiği ve en fazla iyileştirmenin %41,93 ile karar ağacı (KA) makine öğrenimi algoritması ile elde edilği tespit edilmiştir. Son aşamada ise, KA makine öğrenimi algoritması üzerine gerçekleştirilen hiper parametre optimizasyonu ile nihai olarak yeni bir tıbbi teşhis karar destek sistemi önerilmektedir: YBO_HPO_KA. Önerilen model ile, kalp hastalıklarının teşhisi için bilimsel yazında da önemli olacak şekilde 0,9836 doğruluk oranı elde edilmiştir.
Özet (Çeviri)
Medical decision support systems have been on the rise with technological advances and have been the subject of many studies. Developing an effective medical decision support system requires a high amount of accuracy, precision and precision as well as time efficiency that is inversely proportional to the complexity of the model. Feature selection, machine learning and artificial intelligence techniques are frequently used according to the relevant parameters through the analysis of existing patient data. Similarly; the effects of model behaviors on the final diagnostic decision required for a new patient data is an interesting topic with self-learning and iterative innovative methods as a better classification and clustering tool. At this point, designing a decision-making process with higher accuracy using less determinative features is the main goal. Early diagnosis of heart disease, which is a crucial issue in terms of medical science, and developing a strong and reliable medical decision support system is an area that many researchers work on. This thesis study is primarily designed by UCI Machine Learning Repository with logistic regression, K-nearest neighbor, decision tree, random forest, support vector machines, naive bayes, stochastic gradient descent and extreme gradient boosting methods before selecting the relevant features in heart disease on studied and presented heart disease dataset. When the first results are evaluated, the sailfish optimization (SFO) algorithm has been proposed as an up-to-date meta-heuristic optimization algorithm to improve accuracy rates. Thus, it was determined that the accuracy rates improved by 18% on average and the maximum improvement was achieved with the decision tree (DT) machine learning algorithm with 41.93%. In the last stage, a new medical diagnosis decision support system is proposed with the hyper parameter optimization performed on the DT machine learning algorithm: SFO_HPO_DT. With the proposed model, an accuracy rate of 0.9836 was obtained, which is important in the scientific literature for the diagnosis of heart diseases.
Benzer Tezler
- Laser yelken sporcularında pençe kuvveti ile iskota halatı çekme kuvveti ilişkisinin değerlendirilmesi
Evaluation of the relationship between hand grip strength and pulling strength of the sheet rope in laser sailing athletes
SEVGİ TUNCEL
Yüksek Lisans
Türkçe
2023
SporMarmara ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. İRFAN GÜLMEZ
- Farklı restoratif materyallerin kompozit rezin ile tamirinde universal adeziv sistemin bağlanma dayanımının değerlendirilmesi
Evaluation of the bonding strength of universal adhesive system in repairing of different restorative materials with composite resin
ZÜLAL TEKİROĞLU YELKEN
Diş Hekimliği Uzmanlık
Türkçe
2019
Diş HekimliğiGaziosmanpaşa ÜniversitesiRestoratif Diş Tedavisi Ana Bilim Dalı
DOÇ. DR. EMİNE ŞİRİN KARAARSLAN
- Sonat formunun yapısal gelişiminin Domenico Scarlatti'in eserleri üzerinden örneklendirilmesi
Exemplifying the structural development of sonata form through the works of Domenico Scarlatti
LATİFE YELKEN
- 90'lı ve 2000'li yıllarda heykelde figür kullanımının incelenmesi
The study of the figure in sculpture in 90's and 2000's
GÜLCE YELKEN
- Robotic fish for monitoring water pollution
Su kirliliğini denetlemek için robotik balık
MOHAMMED JAVED ANSARI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN