Diagnosis of cardiovascular (CVD) disease using high performance machine learning system
Yüksek performanslı makine öğrenme sistemi kullanılarak kardiyovasküler (CVD) hastalığının tanı
- Tez No: 682730
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- 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
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DOÇ. DR. OĞUZ ATA
- 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
- Obstrüktif uyku apne sendromunun kardiyak fonksiyonlar üzerine etkisi
Effect of obstructive sleep apnea syndrome on cardiac functions
MUHARREM AKYEL
Tıpta Uzmanlık
Türkçe
2023
Aile HekimliğiHarran ÜniversitesiAile Hekimliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞENAY KOÇAKOĞLU
DOÇ. DR. ZAFER HASAN ALİ SAK
- 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
2020
Klinik Bakteriyoloji ve Enfeksiyon HastalıklarıSağlık Bilimleri ÜniversitesiEnfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Ana Bilim Dalı
UZMAN GÜLŞEN YÖRÜK
- 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
2020
Tekstil ve Tekstil Mühendisliğiİstanbul Teknik ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
PROF. DR. HALE KARAKAŞ