Geri Dön

Diagnosis of cardiovascular (CVD) disease using high performance machine learning system

Yüksek performanslı makine öğrenme sistemi kullanılarak kardiyovasküler (CVD) hastalığının tanı

  1. Tez No: 682730
  2. Yazar: MUSTAFA ADİL FAYEZ FAYEZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: CVD hastalığı, NCL, Gelişmiş makine öğrenimi modelleri, Optimizasyon, Gelişmiş API işlevi, Süper öğrenci, Gelişmiş Torbalama modelleri, Gelişmiş XGBoost, AutoML, Python, CVD disease, NCL, Advanced machine learning models, Optimization, API function advanced, Super learner, Advanced Bagging models, Advanced XGBoost, AutoML, Python
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 88

Özet

Orta yaşlı insanlarda en yaygın hastalıklardan biri kalp yetmezliğidir. Kardiyovasküler hastalık (CAD), çeşitli kalp hastalıklarının mortalite riski yüksek olan yaygın bir koroner hastalıktır. Anjiyografi gibi tıbbi görüntüleme, CAD tanısı için en etkili tekniktir. Öte yandan anjiyografi, pahalı olması ve çeşitli yan etkilere neden olmasıyla ünlüdür. Çalışmalarımızın ilk bölümünde, tıp sektöründeki en sofistike ve etkili sistemlerden birini, özellikle kardiyak tanıyı bu tezde ele alacağız. İki bölüme ayrılan bu gelişmiş metodoloji, en iyi programlama yöntemi python yardımıyla geliştirilmiştir. Başlamak için, yüksek performanslı bir yeniden örnekleme sistemi ve mahalle temizleme kuralı (NCL) ile mühendislik ve ön işleme özelliği kullanılır. İkinci olarak, hiper parametre optimizasyonu, API gelişmiş özellikleri ve süper öğrenci modelleri gelişmiş ve optimizasyon makine öğrenimi modellerine örnektir. Yüksek performanslı bir tanı modeli oluşturmak için aerodinamik SVM kullandık. Çalışmamızın ikinci bölümünde AutoML, gelişmiş XGBoost ve gelişmiş topluluk torbalama modelleri gibi yüksek performanslı makine öğrenimi için gelişmiş mimariler inşa ettik. %87 doğruluk oranına sahip Auto-ML ve gelişmiş SMOTE yöntemini kullanarak en iyi performansı elde ettik, gelişmiş derin öğrenme %80 doğruluk oranına sahipti ve gelişmiş torbalama modelleri 82 percent.in ilave isabet oranına sahipti, XGBoost ve %92 kullanılmış istifleme modeli ile %86'ya ulaştık. Son olarak, ilerlemelerimizin doktorların gelişmiş ve yüksek performanslı makine öğrenimi araçlarını kullanarak makine öğrenimine bakış açısını değiştirebileceğini ve klinik ortamlarda Yapay Zeka (AI) tekniklerinin daha geniş kullanımını teşvik edebileceğini varsayıyoruz.

Özet (Çeviri)

One of the most prevalent illnesses in middle-aged people is heart failure. Cardiovascular disease (CAD) is a common coronary disease with a high mortality risk of the various forms of heart disease. Medical imaging, such as angiography, is the most effective technique for diagnosing CAD. Angiography, on the other hand, is notorious for being pricey and causing a variety of side effects. In the first part of our work, we will address one of the most sophisticated and effective systems in the medical sector, specifically cardiac diagnostics, in this thesis. This advanced methodology, which is split into two sections, was developed with the aid of the best programming method, Python. To start, feature engineering and preprocessing with a high-performance re-sampling system and a neighborhood cleaning rule is used (NCL). Second, hyper-parameter optimization, API advanced features, and super learner models are examples of advanced and optimization machine learning models. We have used streamlined SVM to construct a high-performing diagnostic model. We built advanced architectures for high-performance machine learning, such as AutoML, advanced XGBoost, and advanced ensemble bagging models, in the second part of our study. We obtained the best performance using Auto-ML and advanced SMOTE method, which had an accuracy of 87%, advanced deep learning had an accuracy of 80%, and advanced bagging models had an accuracy of 82 percent.in addition, we achieved 86% with XGBoost and 92% used stacking model. Finally, we assume that our advances can change the way doctors view machine learning using advanced and high-performance machine learning tools, as well as promote the wider usage of Artificial Intelligence (AI) techniques in clinical settings.

Benzer Tezler

  1. Integrative machine learning approaches for enhanced cardiovascular disease prediction: A comparative analysis of XGBoost and ANFIS algorithms

    Kardiyovasküler hastalık tahmininin geliştirilmesi için entegratif makine öğrenmesi yaklaşımları: XGBoost ve ANFIS algoritmalarının karşılaştırmalı analizi

    DIYAR FADHIL MUHYI MUHYI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DOÇ. DR. OĞUZ ATA

  2. Acil servise göğüs ağrısı ile gelen ve akut koroner sendrom düşünülen kronik böbrek hastalığı hastalarında; akut koroner sendrom ayırıcı tanısında sistatin-c ve yüksek duyarlılıklı troponin düzeyinin birlikte kullanımının prediktif ve diyagnostik değerliliği

    The predictive and diagnostic value of combined use of cystatin-c and high-sensitivity troponin levels in the differential diagnosis of acute coronary syndrome in patients with chronic kidney disease presenting to the emergency department with chest pain

    ELİF HAMZAÇEBİOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Acil TıpSağlık Bakanlığı

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. BEDRİYE MÜGE SÖNMEZ

  3. Obstrüktif uyku apne sendromunun kardiyak fonksiyonlar üzerine etkisi

    Effect of obstructive sleep apnea syndrome on cardiac functions

    MUHARREM AKYEL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Aile HekimliğiHarran Üniversitesi

    Aile Hekimliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞENAY KOÇAKOĞLU

    DOÇ. DR. ZAFER HASAN ALİ SAK

  4. HIV ile enfekte hastalarda antiretroviral tedavi öncesi ve sonrası kardiyovasküler hastalık riskinin değerlendirilmesi

    Evaluation of cardiovascular disease risk in HIV-infected patients before and after antiretroviral therapy

    ALİ GÖLCÜ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Klinik Bakteriyoloji ve Enfeksiyon HastalıklarıSağlık Bilimleri Üniversitesi

    Enfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Ana Bilim Dalı

    UZMAN GÜLŞEN YÖRÜK

  5. Design of electrospun cardiovascular bypass graft using derivative of poly (Alkylene terephthalate)

    Poli (Alkilen tereftalat) türevi kullanılarak elektro eğrilmiş kardiyovasküler baypas greft tasarımı

    BERNA ŞENSU

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Tekstil ve Tekstil Mühendisliğiİstanbul Teknik Üniversitesi

    Tekstil Mühendisliği Ana Bilim Dalı

    PROF. DR. HALE KARAKAŞ