Yaygın hesaplama kullanılarak hastalıkların teşhisi
Diagnosing illnesses using pervasive computing
- Tez No: 664409
- Danışmanlar: PROF. DR. HALUK GÜMÜŞKAYA
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Tıbbi Biyoloji, Engineering Sciences, Medical Biology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Haliç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilişim Bilim Dalı
- Sayfa Sayısı: 47
Özet
Bu çalışmanın amacı yaygın hesaplama (pervasive computing) ve yapay sinir ağı (YSA) tekniklerini bir arada kullanarak hastalık teşhisi için hastalara her an her yerde sağlık hizmeti sağlayan istemci-sunucu modelini sunan bir uygulama geliştirmektir. Hazırlanan bu tezde geri yayılım algoritmasını destekleyen bir YSA sınıflandırıcısı geliştirilmiştir. Geliştirilen bu sınıflandırıcının kolay kullanımını sağlamak için bir görsel geliştirme aracı da sunulmuştur. Platform bağımsızlığı ve geniş kullanıcı kitlesine sahip olması gibi özelliklerinden dolayı, geliştirme ortamı olarak .Net tercih edilmiştir.Sunucu tarafında bulunan YSA sınıflandırıcısı programı, iç hastalıkların teşhisi için gerekli tıbbi verileri, gerçek hastalara ait hastalık verilerini tutan, tezde tasarlanan ve geliştirilen Hospital Simulation adını verdiğimiz veri tabanından almaktadır. Büyük miktarda veri tutabilme, verilerin depolandığı alanları ayarlayabilme, aynı anda çok sayıda kullanıcıya verilerin bütünlüğünü bozmadan hizmet verebilme, yetkisiz erişimleri engelleyebilme ve kontrol edebilme imkânları sağladığından ve istemci-sunucu mimarisinin bütün avantajlarını kullanabildiğinden, çalışmamızda Oracle Veritabanı Yönetim Sistemi tercih edilmiştir. YSA sınıflandırıcısı Hospital Simulation'dan gelen tıbbi verilere göre hastalık teşhisini yapıp, sonuçları kendisine bağlanan istemcilere (hastaların PDA'larına) göndermektedir. Sonuçlar veritabanında saklandığından, hastalar istedikleri zaman eski ya da yeni sonuçlarına ulaşabileceklerdir. Geliştirilen bu sistem hastaya zaman kazandırarak doktorla yüz yüze görüşmeden de kendi kendine hastalığını teşhis edebilme imkânı sağlayacaktır.Yapılan çalışmada hastaları yanlış bilgilendirmemek, hastalardan alınan tıbbi veriler üzerinde yüksek doğruluk oranı içeren sonuçlar elde etmek ve analiz sürecinin birbiriyle kıyaslanabilmesini sağlamak için, geliştirdiğimiz sistemden elde edilen sonuçlar ile veri madenciliği yöntemleri kullanarak Weka ortamında elde edilen sonuçlar birbirleriyle karşılaştırılmıştır. Yapılan çalışmada bu iki karşılaştırma sonucu elde edilen en doğru sonuç hastaya gönderilerek, böylelikle hata payı en düşük olan teşhis sonucu elde edilmeye çalışılmıştır. Geliştirilen sistemi herhangi bir hastalık üzerinde de uygulanabileceğini göstermek için, iç hastalık verileri dışında kronik hastalıklardan biri olan diyabet verileri üzerinde de çalışılmış ve bu çalışmadan da doğru teşhisler elde edildiği gösterilmiştir. Böylelikle yapılan çalışma, sürekli kontrol altında tutulması gereken diyabet hastalarına sık olarak hastaneye gitme ihtiyacından kurtararak zahmetsizce sonuçları öğrenebilme imkânı sağlamıştır.
Özet (Çeviri)
The purpose of this study is to develop an application providing a client-server model using a combination of pervasive computing and artificial neural network (ANN) techniques for diagnosing internal illnesses and providing health care to patients at anytime and anywhere. In this thesis an ANN classifier that supports back-propagation algorithm was developed. To provide easy use of the developed classifier, a visual development tool is also presented. The .Net was preferred as the development environment because of its platform independence, large user base, and such properties.The ANN classifier program located on the server side takes the medical data necessary for diagnosising internal diseases from the database storing real patients? data which was designed and developed in this thesis, and called as Hospital Simulation. The reasons of why the Oracle Database Management System was preferred in this study are its ability storing large amounts of data, adjusting the stored data fields, serving multiple users concurrenly without violating the data integrity, preventing unauthorized accesses and providing control mechanisims, using all the advantages of the client-server architecture. The ANN classifier makes the diagnosis according to the medical data from the Hospital Simulation database, then sends the results to the connected clients (patients? PDAs). Since the results are stored in the database, patients will be able to get access the old or new results at any time. The developed system saving patients? time provides a self-diagnostic ability without the need to meet the doctor face to face.In this thesis, not to inform to the patients a wrong way, to obtain results having high accuracy rate in the medical data from patients, and also to provide a comparison of the analyzing processes, the results obtained from the developed system are compared with the results obtained in the Weka environment by using different data mining techniques. In this study, by sending the most accurate result obtained by comparing these two diagnostic results to the patient, the diagnosis result with the lowest margin of error is obtained. To show that besides internal diseases, the developed system can be applied also on any diseases, this system was tested on the data of diabetes, which is one of the chronic diseases. It was also shown that the system obtained correct diagnoses from this test. Thus, this study provides diabet patients that should be kept under continuous control an opportunity to learn the results easily without a need to go to hospital frequently.
Benzer Tezler
- Visualization based analysis of gene networks using high dimensional model representation
Yüksek boyutlu model gösterilim kullanılarak gen ağlarının görselleştirme tabanlı analizi
PINAR GÜLER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Yapay sinir ağları ve genetik algoritmalar kullanılarak EKG vurularının sınıflandırılması
Classification of ECG beats by using artifical neural networks and genetic algorithms
ZÜMRAY DOKUR
- Breast cancer data classification using SVM, NB and KNN algorithms
SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması
BURCU MERAL
Yüksek Lisans
İngilizce
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. KAMİL ORUÇOĞLU
- Identification of functionally related and mutually exclusive micrornas associated with diseases using deep neural networks approach
Derin sinir ağları yaklaşımı kullanılarak hastalıklarla ilişkili işlevsel olarak ilişkili ve karşılıklı olarak özel mikrorna'ların tanımlanması
REZA ARSHINCHI BONAB
Yüksek Lisans
İngilizce
2023
BiyolojiDokuz Eylül ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
DR. TUTOR MEMBER OF ATHANASIA PAVLOPOULOU
- İnsan gen yolaklarında ikâme modelleme ve makine öğrenmesi kullanarak varyant analizi
Variant analysis in human gene networks using surrogate modelling and machine learning
FURKAN AYDIN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA