Hekime tanı koymada yardımcı, yapay zeka destekli hastalık tespit uzmanı
Assistant in diagnosis for doctor, artificial intelligence supported disease detection specialist
- Tez No: 691022
- Danışmanlar: DR. ÖĞR. ÜYESİ METİN TURAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Bu çalışma, makine öğrenmesi, veri madenciliği ve yapay zeka teknolojileri kullanılarak, hastaya tanı konulmasını kolaylaştırmayı hedeflemektedir. Doğal dil işleme süreçleri ile hasta anamnezleri değerlendirilerek, tanı koymada yardımcı bir sistem oluşturulmuştur. Oluşturulan sistem ile hastadan anamnez alınırken her bir hastalık belirtisi içeren konu başlığı önce anlamlandırılır, sonra kategorize edilerek eğitim yapılır. Karar Ağaçları (Decision Tree), Torbalama (Bagging), Arttırma (Boosting), CNN (Classification) ve Siyam Ağı (Siamese Network) kullanılarak öğrenme işlemleri gerçekleştirilmiştir. Hastalıkların belirtileri öykü alma sırasında değerlendirilmiştir. Covid-19 gibi pandemi dönemlerinde ya da belirtileri/tedavi yöntemleri/hasta sayısı konularında az veriye sahip olunan dönemlerde, sağlık çalışanlarına ve sağlık sistemine yardımcı bir sistem geliştirilmesi hedeflenmiştir. Oluşturulmuş bu sistem; doktorların, hastaların rahatsızlıklarını daha yüksek doğruluk ve verimlilikle teşhis etmesine yardımcı olmuştur. Alınan bilgiler doğrultusunda Karar Ağaçları yöntemi ile bulunan doğruluk oranı %73, Random Forest algoritması kullanılarak ulaşılan doğruluk oranı %76 ve Adaboost algoritması kullanıldığında durumda doğruluk oranı %67 bulunmuştur. Sinir ağı kullanılarak yapılan testlerde hastalık tanısında %70 doğruluk oranına ulaşıldığı görülmüştür. Siyam ağı kullanılarak yapılan testlerde Covid-19 hastalığının ve diğer hastalıkların tanısında doğruluk oranı %98 olmuştur. Tedavinin başlangıç noktası olan öykü almanın(anamnez) doğru şekilde yapılması kilit noktadır. Bu çalışmada alınan tüm bilgiler doğrultusunda; makine öğrenimi yöntemleri (Karar Ağaçları, Torbalama, Arttırma), Sinir Ağı ve Siyam Ağı kullanılarak doğru hastalık tanısı konulması hedeflenmiş ve sağlık iii sistemine yardımcı bir sistem oluşturulması amaçlanmıştır. Pandemi gibi dönemlerde, sağlık çalışanlarına hızlı çözüm önerileri sunarak yardımcı olabilen ve sağlık sistemine destekleyici olabilecek yöntem ve metotların geliştirilmesi üzerinde durulmuştur. Bu çalışmada alınan veriler ile belirlenmiş olan yöntemler sayesinde büyük doğruluk oranı ile hastalık tanısı koyulması sağlanmıştır. Hastanın anamnez verilerini değerlendiren sistem, hekime olası sonuçların listesini sunarak hekimin işini kolaylaştırmıştır. Yapay zekanın sonuçlarını değerlendirerek sonuçlara katılmak ya da katılmamak ise tamamen doktorun tercihine bırakılmıştır.
Özet (Çeviri)
This article aims to facilitate the diagnosis of the patient by using machine learning, data mining and artificial intelligence technologies. With natural language processing processes, patient anamnesis was evaluated and an auxiliary system was created for diagnosis. While taking anamnesis from the patient with the system created, each topic containing the symptoms of the disease is first evaluated, then categorized and trained. Learning operations were carried out using Decision Tree, Bagging, Boosting, CNN and Siamese Network. Symptoms of the diseases were evaluated during history taking. It is aimed to develop a system that assists health workers and the health system in pandemic periods such as Covid-19 or in periods when there is little data on symptoms / treatment methods / number of patients. This system created; helped doctors diagnose patients' ailments with higher accuracy and efficiency. In line with the information received, the accuracy rate found with the Decision Trees method is 73%, the accuracy rate achieved by using the Random Forest 76%. When the Adaboost algorithm was used the accuracy rate was found to be 67%. In the tests performed using the neural network, it was observed that an accuracy rate of 70% was reached in the diagnosis of the disease. In tests using the Siamese Network, the accuracy rate in the diagnosis of Covid-19 disease and other diseases was 98%. Correct history taking (anamnesis), which is the starting point of treatment, is the key point. In line with all the information obtained in this study; By using machine learning methods, Neural Network and Siamese Network, it is aimed to diagnose the correct disease and to create an auxiliary system for the health system. Emphasis has been placed on developing methods and methods that can v help healthcare professionals by providing quick solutions and support the healthcare system during periods such as pandemics. The system, which evaluates the patient's anamnesis data, has facilitated the physician's work by presenting a list of possible results to the physician. Evaluating the results of artificial intelligence, whether or not to agree with the results is entirely up to the doctor's choice.
Benzer Tezler
- Uyku apnesi türlerinin sınıflandırılması
Classification of sleep apnea types
MEHMET FEYZİ AKŞAHİN
Doktora
Türkçe
2010
BiyomühendislikBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN EROĞUL
- Solunum seslerinin sayısal olarak kaydedilmesi, analizi ve sınıflandırılması
Digital recording, analysis and classification of respiratory sounds
MEHMET CENK SEZGİN
Yüksek Lisans
Türkçe
2000
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ. DR. MEHMET KORÜREK
- Solunum sesleri ile göğüs hastalıklarının teşhisi
Diagnosis of chest diseases with respiratory sounds
BURCU ACAR DEMİRCİ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiManisa Celal Bayar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜCEL KOÇYİĞİT
- Solunum sesleri yardımıyla uyku apnesinin tespit edilmesi
Sleep apnea detection with respiratory sounds
BEKİR DOĞAN
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Dializ hastalarının fizik muayene ve laboratuvar bulgularının değerlendirilmesi ve yorumlanması için bir uzman sistem
An Expert system for the evaluation and the commentment of the physical check-up and the laboratory findings of dialysis patients
CAN DENİZ KÖKSAL
Yüksek Lisans
Türkçe
1993
Tıbbi BiyolojiAkdeniz ÜniversitesiHalk Sağlığı Ana Bilim Dalı
DOÇ. DR. OSMAN SAKA