Geri Dön

Normalizasyon tekniklerinin biyomedikal verilerde sınıflama başarısına etkisi

The effect of normalization techniques on the classification success in biomedical data

  1. Tez No: 672171
  2. Yazar: HAKAN YÜCE
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ALİ OSMAN ÖZKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Necmettin Erbakan Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 106

Özet

Son zamanlarda yapay zekâ uygulamaları askeri, ekonomi, tıp, v.b. gibi birçok alanda etkin olarak kullanılmaktadır. Özellikle sağlık sektöründe bilgisayarlarda saklanan hastalara ait verilerden hastaya ait teşhisi tahmin etme yapay zekâ uygulamalarından bir tanesidir. Fakat bilindiği gibi bu saklanan veriler çok büyük boyutlara sahip olup eşit derecede incelenmesi sonucu en doğru şekilde tahmin etmemize olanak sağlayacaktır. Bu verilerin daha etkin kullanılması için normalizasyon yöntemleri kullanılmaktadır. Bu çalışmada, diyabet hastalığı veri seti, göğüs kanseri hastalığı veri seti, karaciğer hastalığı veri seti ve kalp hastalığı veri setine minimum-maksimum (min-mak) normalizasyon yöntemi, ondalık ölçekleme normalizasyon yöntemi, z-skor normalizasyon yöntemi ve norm normalizasyon yöntemi uygulanmış ayrıca bu veri setleri normalize edilmeden de değerlendirilmiştir. Daha sonra normalize edilmiş ve ham verilere, 4 farklı k-kat çaprazlama (2,5,10,20) kriterinde yapay sinir ağları (YSA), karar ağacı (KA), destek vektör metodu (DVM), k en yakın komşu (k-NN) ve Naive Bayes gibi çeşitli sınıflandırma algoritmalarıyla ORANGE programı kullanılarak sınıflandırma işlemi yapılmış ve sınıflama doğrulukları değerlendirilmiştir. Sonuçlar istatiksel olarak incelenmiş ve normalizasyon yöntemlerinin yapay zekâ sınıflandırma yöntemlerinin performansını artırabileceği gözlenmiştir.

Özet (Çeviri)

Recently, artificial intelligence applications have been used effectively in many areas such as military, economics, medicine… Especially, in the healthcare sector, it is one of the applications of artificial intelligence to predict a patient's diagnosis from data stored on computers. However, as is known, these stored data have very large dimensions and will allow us to estimate the outcome in the most accurate way if they are evaluated equally. For more efficient use of this data, normalization methods are used. In this study, the diabetes data set, breast cancer disease data set, liver disease data set and heart disease data set are normalized with minimum and maximum (min-max) normalization method, decimal scaling normalization method, z-score normalization method, norm normalization method and these data sets are also evaluated without normalizing. These normalized data sets and raw data sets were then classified using ORANGE program with various classification algorithms such as artificial neural networks (YSA), decision tree (KA), support vector method (DVM), k nearest neighbor (k-NN) and Naive Bayes in 4 different k-fold crossover criteria (2,5,10,20) and classificaition accuracies were evaluated. The results were analyzed statistically and it was observed that normalization methods can improve the performance of artificial intelligence classification methods.

Benzer Tezler

  1. Detection of multistage Alzheimer from 4D FMRI data using deep learning

    4D FMRI'dan multistage Alzheimer'in tespiti derin öğrenmeyi kullanan veriler

    NAWAZISH ALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Medipol Üniversitesi

    Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı

    PROF. DR. REDA ALHAJJ

  2. Microwave spectroscopy based breast cancer diagnosis using support vector machines

    Destek vektör makineleri kullanılarak mikrodalga spektroskopi temelli meme kanseri tanısı

    EMRE ÖNEMLİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM AKDUMAN

    DR. ÖĞR. ÜYESİ TUBA YILMAZ ABDOLSAHEB

  3. An innovative and accurate deep learning based HER2 scoring method HER2-unet

    HER2 tümör hücrelerinin segmentasyon için derin öğrenme tabanlı yeni bir yaklaşım

    FARIBA DAMBAND KHAMENEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  4. A detailed analysis of the effects of various combinations of heart rate variability indices in congestive heart failure

    Konjestif kalp yetmezliğinde kalp hızı değişkenliği indislerinin çeşitli varyasyonlarınin etkilerinin ayrıntılı analizi

    YALÇIN İŞLER

    Doktora

    İngilizce

    İngilizce

    2009

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET KUNTALP

  5. Forest fire detection using deep learning

    Derin öğrenme ile orman yangını tespiti

    BERK ÖZEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım Üniversitesi

    Mekatronik Ana Bilim Dalı

    DOÇ. DR. MUHAMMAD UMER KHAN