Makine öğrenmesi sınıflandırma yöntemleri ilehematoloji hastalıklarından demir eksikliği anemisininerken teşhis edilmesi
Iron deficiency anemia from hematological diseases with machine learning classification methodsearly diagnosis
- Tez No: 696103
- Danışmanlar: DOÇ. DR. EROL TERZİ
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Demir eksikliği anemisi (DEA) dünyada yaygın olarak görülen bir anemi türüdür. DEA tanısı, birçok tıbbi muayene bulguları, tahlil ve tetkikler sonucunda ortaya konulmaktadır. DEA tanısı ve dışında kalan hastaların ayırımı önemli bir konudur. Bunun için bilinen yöntemlerin dışında yeni yöntemlere de ihtiyaç duyulmaktadır. Veri bilimi, yapay zekâ ve makine öğrenimi yöntemleri hekimlerin daha hızlı, daha doğru ve daha güvenilir kararlar verebilmeleri için kullanılmaktadır. Bunlar genellikle bilgisayar desteği ve veri madenciliği teknikleri kullanılarak elde edilen verileri, çok daha hızlı ve güvenilir bir şekilde işleyerek sınıflandırabilmektedir. Günümüzde en çok tercih edilen veri madenciliği sınıflandırıcıları arasında yapay sinir ağları (YSA), destek vektör makinesi (DVM), k-en yakın komşuluk (k-EK) ve karar ağacı (KA) algoritmaları yer almaktadır. Bu dört algoritmanın sonuçlarının karşılaştırılması için Weka 3.8 yazılımı kullanılmıştır.
Özet (Çeviri)
Iron deficiency anemia (IDA) is a common form of anemia in the world. The diagnosis of IDA is made as a result of many medical examination findings, tests and examinations. IDA diagnosis and distinction of patients outside of it is an important issue. For this, new methods are needed in addition to the known methods. In this study, data science, artificial intelligence and machine learning methods are used in order for physicians to make faster, more accurate and more reliable decisions. These are generally able to classify the data obtained using computer support and data mining techniques by processing it much faster and reliably. Among the most preferred data mining classifiers today are artificial neural network (ANN), support vector machine (SVM), k-nearest neighbor (k-NN) and decision tree (DT) algorithms. Weka 3.8 software was used to compare the results of these four algorithms.
Benzer Tezler
- Makine öğrenmesi sınıflandırma yöntemleri ile meme kanserinin erken teşhisi
Early diagnosis of breast cancer with machine learning classification methods
MELİHA NUR DURAK
Yüksek Lisans
Türkçe
2017
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. İBRAHİM DEMİR
- Zeki sınıflandırma ve kümeleme yöntemlerinin tıbbi tanı ve tedavide kullanımı
The usage of intelligent classification and clustering methods in medical diagnosis and treatment
UĞUR ERKİN KOCAMAZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN TAŞKIN
- Yapay zeka ile ortak yönelimli web sitelerinin tespiti
Detection of common tendentious websites with artificial intelligence
HASİBE BÜŞRA DOĞRU
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Sabahattin Zaim ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAHYA ŞİRİN
- Yenilenebilir enerji destekli elektrikli araç şarj istasyonları için yük tarafı talep yönetiminin akıllı kontrol yöntemleri ile geliştirilmesi
Implementation of a load side demand management with intelligent control methods for renewable energy supported electric vehicle charging stations
HASAN MERAL
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Orman sağlığının Google Earth Engine ile izlenmesi
Monitoring forest health with Google Earth Engine
ŞULE YAMAN
Yüksek Lisans
Türkçe
2023
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ESRA TUNÇ GÖRMÜŞ