Presumption of complex appendicitis in children and predicting with machine learning algorithms
Çocuklardaki kompleks apandisiti anlama ve makine öğrenmesi algoritmalarıyla tahmin etme
- Tez No: 687861
- Danışmanlar: DOÇ. DR. İBRAHİM ÜNALMIŞ, DR. İNAN UTKU TÜRKMEN
- Tez Türü: Yüksek Lisans
- Konular: Çocuk Sağlığı ve Hastalıkları, Child Health and Diseases
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: TED Üniversitesi
- Enstitü: Lisansüstü Programlar Enstitüsü
- Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 144
Özet
Bu çalışmanın amacı, çocuklarda sık görülen hastalıklardan biri olan apandisit hastalığındaki kompleksiteyi anlama ve hastalığı bazı kan değerlerine göre sınıflandırmaktır. Analiz, karın ağrısı şikayeti olan ve 18 yaşından küçük çocuklar arasında yapılmıştır. Çalışmada gerçekleştirilen betimsel istatistikler, kırmızı kan hücreleri, trombosit ve c-reaktif protein değerleri arasında farklar ve ilişkiler olduğu, ayrıca, hastalığı anlama ve tahmin etmede kullanılabilecek potansiyel açıklayıcı değişkenler oldukları tespit edilmiştir. Literatürde en çok kullanılan temel doğrusal, doğrusal olmayan ve ağaç-tabanlı algoritmalar, apandisit ve kompleks apandisit hastalığının varlığını tespiti amacıyla kullanılmıştır. Toplam 71 farklı model kurulmuş olup, bu modeller sınıflandırma algoritmalarına özgü performans metrikleriyle kıyaslanmıştır. En iyi performansa sahip algoritma, akut apandisiti tespit etmede kullanılan alvarado, pediyatrik apandisit (PAS) ve RIPASA klinik skorlama sistemlerinden daha iyi sınıflandırmalar yaptığını göstermiştir. Bunun gibi bir aracın geliştirilip kullanımı, gereksiz ilaç ve ameliyat tedavilerin önüne geçilmesinde katkıda bulunabilir.
Özet (Çeviri)
This study aims to understand the complexity of appendicitis which is frequently seen in children and predict the presence of the disease based on several blood test values. The analysis is conducted among children that have abdominal pain and who are under 18 years old. Descriptive statistics demonstrated that there are differences and correlations between the red blood cell, thrombocyte, and c-reactive protein values which are potentially significant explanatory for the machine learning algorithms to capture, explain and predict the disease. Basic and most used linear, non-linear, and tree-based algorithms are used to predict both the existence of appendicitis and complex appendicitis in patients. A total of 71 models are created through the study and compared via classification model performance metrics. The best performing algorithm outperformed the Alvarado Score, pediatric appendicitis score (PAS), and RIPASA scores which are clinical scoring systems used to diagnose acute appendicitis in children. With the use of such a tool, unnecessary medications and surgeries can be avoided.
Benzer Tezler
- Homojen ve heterojen evrimsel sosyal ağlarda bağlantı tahmini
Link prediction in evolving homogeneous and heterogeneous networks
ALPER ÖZCAN
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Uluslararası hukukta iç savaşın düzenleme altına alınması
The regulation of civil war under international law
MEHMET CENGİZ UZUN
- Türk Hukukunda soybağının reddi davası
Denial of lineage in Turkish Law
GÖZDE CANAN ÖZDEMİR
Yüksek Lisans
Türkçe
2018
Hukukİstanbul Aydın ÜniversitesiÖzel Hukuk Ana Bilim Dalı
DOÇ. DR. EBRU CEYLAN
- Pasif radar alıcılarında kullanılan anten dizilerinin ön bilgiye dayalı hedef kestirimine etkisi
Antenna arrays which is used in passive radar receiver effect on target prediction that is based on pre-knowledge
ŞENOL ERGİN
Yüksek Lisans
Türkçe
2015
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MESUT KARTAL
- Denizcilikte ve havacılıkta örgütsel kültürün ekip kaynak yönetimi üzerine etkisinin karşılaştırmalı analizi
A comparative analysis of the effect of organizational culture in maritime and aviation on crew resource management
BİLGEHAN ÇAKIR
Yüksek Lisans
Türkçe
2023
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. LEYLA TAVACIOĞLU