Implementation a various types of machine learning approaches for biomedical datasets based on sickle cell disorder
Başlık çevirisi mevcut değil.
- Tez No: 672357
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Bu çalışma, orak hücre hastalarının veri setini sınıflandırmak için çeşitli makine öğrenimi modellerinin uygulanmasını sunmaktadır. Yapay zeka teknikleri, tanıda pek çok soruna konu olabilen geleneksel yöntemlerin yerine, sorunlarının çözülmesinde ve hızlı teknik yöntemlerin yüksek verimlilikle sunulmasında tıbbi alanın güçlendirilmesine ve uygun tedavinin belirlenmesine hizmet etmiştir. Bu çalışmanın temel amacı, 9 sınıftan AKÖ hastalarının uygun dozunu belirleyebilen yüksek nitelikli bir sınıflandırıcı elde etmektir. Deneyimizde kullanılan teknikleri performans değerlendirme ölçütlerine göre inceleyerek ve her modelin performans gösterdiğinden emin olarak. Orak hücre veri setini performans değerlendirme ölçütlerine göre incelemek için çok sayıda makine öğrenimi sınıflandırıcı modeli uyguladık. Tüm sınıflandırıcılardan elde edilen sonuçlar, Naïve Bayes Sınıflandırıcısının diğer sınıflandırıcılara göre kötü sonuçlar aldığını göstermektedir. Levenberg-Marquardt Sinir Ağı eğitim aşamasında en yüksek performans ve doğruluğu 0,935222, AUC 0,963889 elde etti. Test aşaması 0.846444, AUC 0.871889 doğruluk elde etti.
Özet (Çeviri)
This study presents implementation a various kinds of machine learning models to classify the dataset of sickle cell patients. Artificial intelligence techniques have served to strengthen the medical field in solving its problems and providing rapid technical methods with high efficiency instead of traditional methods that can be subject to many problems in diagnosis and to determine the appropriate treatment. The main objective of this study to obtain a highly qualified classifier capable of determining the suitable dose of the SCD patients from 9 classes. Through examining the techniques used in our experiment based on performance evaluation metrics and making sure that each model performs. We applied numerous models of machine learning classifiers to examine the sickle cell dataset based on the performance evaluation metrics. The outcomes obtained from all classifiers, show that the Naïve Bayes Classifier obtained poor results compared to other classifiers. While Levenberg-Marquardt Neural Network during the training phase obtained the highest performance and accuracy of 0.935222, AUC 0.963889. The test phase obtained an accuracy of 0.846444, AUC 0.871889.
Benzer Tezler
- Diagnophone: An electronic stethoscope for respiratory audio analysis
Dıagnophone: Solunum sesi analizi için bir elektronik steteskop tasarımı
EGE YAĞ ÇAKIR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÖKHAN İNCE
- Approximate spectral clustering ensemble methods for clustering of large data sets
Büyük veri kümelerinin sınıflandırılmasında yaklaşık spektral öbekleme birleşimi yöntemleri
YASER MOAZZEN
Yüksek Lisans
İngilizce
2016
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
DOÇ. DR. KADİM TAŞDEMİR
- Derin öğrenme teknikleri kullanılarak cilt lezyonları için çok sınıflı sınıflandırma
Multi-class classification for skin lesions using deep learning techniques
ÜMMÜHAN KOPAL
Yüksek Lisans
Türkçe
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜRVET KIRCI
- Estimation of commercial building energy consumption with machine learning
Makine öğrenimi ile ticari bina enerji tüketimi tahmini
YOUSIF MURSHID MUHEALDDIN MUHEALDDIN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELİM BUYRUKOĞLU
DR. ÖĞR. ÜYESİ MOHAMMED RASHAD BAKER BAKER
- Etkin bina emlak vergi değerinin belirlenebilmesi için makine öğrenme temelli bir değerleme modeli önerisi
A proposal for a machine learning based valuation model for determining efficient building property tax value
ELİF ŞEVVAL TAŞTAN
Yüksek Lisans
Türkçe
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. REHA METİN ALKAN