Geri Dön

Yaygın hesaplama kullanılarak hastalıkların teşhisi

Diagnosing illnesses using pervasive computing

  1. Tez No: 664409
  2. Yazar: CANAN BAYRAKTAR
  3. Danışmanlar: PROF. DR. HALUK GÜMÜŞKAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Tıbbi Biyoloji, Engineering Sciences, Medical Biology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: Türkçe
  9. Üniversite: Haliç Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilişim Bilim Dalı
  13. 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

  1. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SÜHA TUNA

  2. Yapay sinir ağları ve genetik algoritmalar kullanılarak EKG vurularının sınıflandırılması

    Classification of ECG beats by using artifical neural networks and genetic algorithms

    ZÜMRAY DOKUR

  3. 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

    İngilizce

    2019

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. KAMİL ORUÇOĞLU

  4. 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

    İngilizce

    2023

    BiyolojiDokuz Eylül Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DR. TUTOR MEMBER OF ATHANASIA PAVLOPOULOU

  5. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SÜHA TUNA