Geri Dön

Implementation a various types of machine learning approaches for biomedical datasets based on sickle cell disorder

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 672357
  2. Yazar: HAMID FALAH DHEYAB
  3. Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Tez No

    559298

    Diagnophone: An electronic stethoscope for respiratory audio analysis

    Dıagnophone: Solunum sesi analizi için bir elektronik steteskop tasarımı

    EGE YAĞ ÇAKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. GÖKHAN İNCE

  2. Tez No

    419001

    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

    İngilizce

    2016

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSA YILDIRIM

    DOÇ. DR. KADİM TAŞDEMİR

  3. Tez No

    818299

    Estimation of commercial building energy consumption with machine learning

    Makine öğrenimi ile ticari bina enerji tüketimi tahmini

    YOUSIF MURSHID MUHEALDDIN MUHEALDDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SELİM BUYRUKOĞLU

    DR. ÖĞR. ÜYESİ MOHAMMED RASHAD BAKER BAKER

  4. Tez No

    787786

    Sayısal haritalama teknikleri kullanılarak DNA dizilimleri üzerinden lösemi hastalığının temel türlerinin yapay zeka tabanlı algoritmalar ile sınıflandırılması

    Classification of main types of leukemia disease with artificial intelligence-based algorithms on the DNA sequences using digital mapping techniques

    FATMA AKALIN

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NEJAT YUMUŞAK

  5. Tez No

    888771

    A robust framework covering measures developed using EVM metric against jamming attacks in next-generation communication systems

    Yeni nesil haberleşme sistemlerinde karıştırma saldırılarına karşı EVM metriği kullanılarak geliştirilen önlemleri kapsayan güçlü bir çerçeve

    CEM ÖRNEK

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MESUT KARTAL

Geri Dön