Geri Dön

Solunum sistemi hastalıklarının sınıflandırılmasında makine öğrenmesi yöntemlerinin kullanımı

Use of machine learning methods in classification of respiratory system diseases

PDF İndir

  1. Tez No: 666088
  2. Yazar: ERKUT BOLAT
  3. Danışmanlar: PROF. DR. ERAY YURTSEVEN
  4. Tez Türü: Doktora
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: astım, KOAH, pnömoni, hastalık tahmini, makine öğrenmesi, özellik seçimi, asthma, COPD, pneumonia, disease prediction, machine learning, feature selection
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 78

Özet

En sık görülen solunum yolu hastalıkları olan astım, KOAH ve pnömoni (zatürre) gibi hastalıkların tanısı ve sınıflandırılması hayati öneme sahiptir. Son zamanlarda, bu önem nedeniyle sağlık verilerinin işlenmesine büyük ilgi gösterilmiştir. Makine öğrenmesi algoritmaları, bu amaç için önemli bir yere sahiptir. Önceki çalışmaların odağı astım, KOAH ve pnömoni hastalıklarının teşhisinde en öngörücü algoritmayı elde etmektir. Ancak, en önemli değişkenlerin belirlenmesi çok az ilgi görmüştür. Bu çalışmanın temel amacı, en önemli makine öğrenmesi algoritmalarını değişken önemine sahip sonuçlarla ayrıntılı olarak sunmaktır. Makine öğrenme algoritmalarına ve değişken önemi değerlendirmelerine dayalı kapsamlı bir karşılaştırma çalışması, doğruluk, precision(kesinlik), recall(duyarlılık), Kappa istatistikleri, F-ölçüsü, ROC eğrisi ve AUC değeri gibi farklı performans kriterleri dikkate alınarak yapılmıştır. Sağlıklı grup ile hastalıkların sınıflandırılmasında, astım hastalığı için rastgele orman (CART öğrenen ile) ve C5.0, KOAH için SVM (doğrusal olmayan çekirdek ile) ve GBM ve pnömoni hastalığı için Bagging ve Random Forest (CART öğrenen ile) en iyi algoritmalar olarak bulunmuştur. Ayrıca, tüm gupların birlikte sınıflandırılmasında en iyi test edilen algoritma GBM'dir. Değişken önemlilikleri dikkate alındığında sağlıklı grup ile hastalıklar arasında astım vakası sınıflandırma sonuçlarına göre, en önemli değişkenler FEV3, FVC, FEV1, MEF50 dır. KOAH'da MEF50, FVC, FEV3, PIF ve FEV1, pnömonide ise FVC, FEV3, MEF50 ve FEV1 dikkate değer değişkenlerdir. Tüm grupların birlikte sınıflandırmasında ise neredeyse tıbbi değişkenlerin hepsi büyük öneme sahiptir. Önemli değişkenlerin sırası, korelasyon analizi ve istatistiksel anlamlılık testleriyle desteklenmiştir. Ek olarak, ROC eğrileri ve AUC değerleri görsel olarak benzer ve destekleyici sonuçlar vermiştir. Sonuç olarak, bu çalışma sağlık bilimleri ve makine öğrenimi uygulamaları konusunda uzman sistemler üzerinde çalışan uygulayıcılar ve araştırmacılar için değerli olacaktır.

Özet (Çeviri)

The diagnosis and classification of asthma, COPD and pneumonia, which are the most common respiratory diseases, has been vital importance. Recently, there has been great interest for processing health data due to this importance. Machine learning algorithms have an important place for this purpose. The focus of previous studies has been to obtain the most predictive algorithm for diagnosing asthma, COPD and pneumonia diseases. However, the determination of the most significant variables has received little attention. The principal objective of this study is to present the most predictive machine learning algorithms with variable importance results in details. A comprehensive comparison study based on the machine learning algorithms and variable importance evaluations have been carried out by considering different performance criteria including accuracy, precision, recall, Kappa statistics, F-measure, ROC curve and AUC value. The findings have been indicated that Random forest (with CART learner), C5.0 for asthma disease and SVM (with non-linear kernel), GBM for COPD disease and Bagging ve Random Forest (with CART learner) for pneumonia have been found as the best algorithms. Also, GBM is the best tested algorithm for the classification of all groups together. Considering the variable significance, the most important variables were FEV3, FVC, FEV1, MEF50 according to the classification results of asthma cases between healthy group and diseases. MEF50, FVC, FEV3, PIF and FEV1 in COPD and FVC, FEV3, MEF50 and FEV1 in pneumonia are remarkable variables. Almost all medical variables are of great importance in the classification of all groups. The rank of important variables has been supported by correlation analysis and statistical significance tests. Additionally, ROC curves and AUC values have provided similar and supportive results as visually. Consequently, this study will be of value to practitioners and researchers studying on expert systems on health sciences and machine learning applications.

Benzer Tezler

  1. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  2. Tez No

    887285

    Uzaktan algılama ve derin öğrenme yöntemleri ile İstanbul'un yerel iklim alanları ve yer yüzeyi sıcaklığı değişimleri arasındaki ilişkinin incelenmesi

    Investigation of the relationship between local climate zones and land surface temperature changes in İstanbul using remote sensing and deep learning methods

    MELİKE NİCANCI SİNANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ŞİNASİ KAYA

  3. Tez No

    789389

    A new respiratory diseases detection model in chest x-ray images using CNN

    CNN kullanarak göğüs röntgen görüntülerinde yeni bir solunum hastalığı tespit modeli

    AHMED ABDULATEEF ALZABAQ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İSA AVCI

  4. Tez No

    861866

    Türkiye Jokey Kulübü (TJK) İstanbul At Hastanesi laboratuvarına gönderilen numunelerdeki bakteriyel etkenlerin ve teşhis edilen hastalıkların dağılımı: Retrospektif bir çalışma (2015-2019)

    Distribution of bacterial agents and diagnosed diseases in samples sent to the Jockey Club of Türkiye (JCT) İstanbul Equine Hospital laboratory: A retrospective study (2015-2019)

    MUSTAFA CEM TİMUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Veteriner HekimliğiErciyes Üniversitesi

    İç Hastalıkları (Veterinerlik) Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GENCAY EKİNCİ

  5. Tez No

    338825

    Multivariate modeling and diagnostic classification of pulmonary sounds

    Solunum seslerinin çok değişkenli modellenmesi ve tanıya yönelik sınıflandırılması

    İPEK ŞEN

    Doktora

    İngilizce

    İngilizce

    2013

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEYNEP YASEMİN KAHYA

    DOÇ. DR. MURAT SARAÇLAR

Geri Dön