Geri Dön

Makine öğrenmesi algoritmaları ile COVID-19 hastalarının belirlenmesi

Identifying COVID-19 patients with machine learning algorithms

PDF İndir

  1. Tez No: 692573
  2. Yazar: MİNE AYAZ
  3. Danışmanlar: DOÇ. DR. ÖZCAN MUTLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Pamukkale Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 66

Özet

SARS-CoV-2, Aralık 2019'da Çin'in Hubei eyaletinde ortaya çıkan ve Dünya Sağlık Örgütü tarafından Mart 2020'de pandemi olarak ilan edilen COVID-19 salgınına yol açan yeni bir koronavirüs türüdür. Ortaya çıktığı ilk günden itibaren dünya çapında hızla yayılmış ve dört milyondan fazla insanın ölümüne neden olmuştur. COVID-19 salgınının daha fazla yayılmasını kontrol altına almak ve bulaşmayı durdurmak için SARS-CoV-2 ile enfekte hastaların mümkün olan en erken zamanda hızlı ve doğru teşhisi kritik önem taşımaktadır. Bu çalışmada, makine öğrenimi (ML) algoritmalarını kullanarak tam kan sayımı sonuçlarından SARS-CoV-2 pozitif hastaların teşhis edilmesi amaçlanmaktadır. Çalışmada kullanılan veriler, COVID-19 salgınının yayılımıyla mücadele etmek amacıyla Brezilya, São Paulo'daki İsrail Albert Einstein Hastanesi tarafından paylaşılmış ve halka açık bir veri bilimi topluluğu tarafından yayınlanmıştır. Veri seti normal servis ve genel olmak üzere iki gruba ayrılmış ve K-En Yakın Komşu (KNN), Naif Bayes (NB) ve Destek Vektör Makinesi (SVM) makine öğrenme algoritmaları kullanılarak incelenmiştir. SVM normal servis grubu için % 92 ve genel grup için % 93,5 doğrulukla en iyi performansı göstermiştir. Elde edilen sonuçlar makine öğrenme algoritmaları ile oluşturulacak modellerle tam kan sayım sonuçlarını kullanarak SARS-CoV-2 pozitif hastalarını hızlı ve ucuz bir şekilde erken aşamalarda teşhis için alternatif bir yöntem olarak kullanılabileceğini göstermektedir.

Özet (Çeviri)

SARS-CoV-2 is a novel coronavirus that emerged in Hubei province of China in December 2019 and caused the COVID-19 outbreak, which was declared a pandemic by the World Health Organization in March 2020. It has spread rapidly worldwide from the day when it first occurred and has caused the death more than four million people. It is critical to rapid and accurate diagnosis of SARS-CoV-2 infected patients as early as possible to control further spread of COVID-19 outbreak and stop contamination. In this study, it is aimed to diagnose SARS-CoV-2 positive patients from complete blood count results using machine learning (ML) algorithms. The data used in this study were shared by Israelita Albert Einstein Hospital in São Paulo, Brazil, and published by a public data science community to struggle the spread of the co epidemic. The data set are divided into two groups: normal service and general group, and each group was analyzed by using K-Nearest Neighbors (KNN), Naive Bayes (NB) and Support Vector Machine (SVM) machine learning algorithms. SVM performed best with an accuracy of 92% for the normal service group and 93.5% for the general group. The results shows that models created using machine learning algorithms will be used as an alternative method to diagnose SARS-CoV-2 positive patients at early stages by making a fast and inexpensive screening using the outputs of complete blood count.

Benzer Tezler

  1. Tez No

    768890

    A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  2. Tez No

    792396

    Covid-19 hastaları için makine öğrenmesi sınıflandırma yöntemleriyle hastalık evresinin tahmini

    Prediction of disease stage by machine learning classification methods for Covid-19 patients

    MELİS MERVE DOĞANÇAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    İstatistikDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. ÖZLEM EGE ORUÇ

    DR. ÖĞR. ÜYESİ MELİKE ŞIRLANCI

  3. Tez No

    675724

    Kan değerleri ile covıd-19 enfekte düzeyinin rassal orman sınıflandırıcı ile tahmin edilmesi

    Prediction of covid-19 infection level by blood samples with random forest classifier

    ELİF CEREN GÖK

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ONUR OLGUN

  4. Tez No

    875030

    COVİD-19 vakalarının makine öğrenmesi algoritmaları ile tahmini

    Prediction of COVID-19 using machine learning (ML) algorithms.

    EVİN ZİREK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiHakkari Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FİKRET YILDIZ

    DOÇ. DR. CÜNEYT YÜCELBAŞ

  5. Tez No

    688973

    Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images

    Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı

    OZAN GÜLDALİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜL İNAN

Geri Dön