Makine öğrenmesi yöntemleri ile Karaciğer NASH hastalığının Belirlenmesi
Determination of Liver NASH disease by machine learning methods
- Tez No: 698535
- Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZHAN ÖZTAŞ, DR. ÖĞR. ÜYESİ ABBAS ALI HUSSEINI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoteknoloji, Computer Engineering and Computer Science and Control, Biotechnology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 81
Özet
Karaciğer, vücudun metabolizmasında önemli bir rol oynayan ve vücudun en önemli iç organlardan biridir. Karaciğer hastalığı genelde erken aşamalarda kolayca tespit edilemez çünkü karaciğer, kısmı hasar görse bile düzgün çalışır, bu da teşhisi zorlaştırır. Günümüzde karaciğer hastalıklarından önem kazanan Non-Alkolik Yağlı Karaciğer hastalığı (NAYK) karaciğerin yağlanması sonucunda karaciğerde iltihap ve hücresel hasara neden olur. Bu hastalığın en şiddetli aşaması olan Nonalkolik Steatohepatit (NASH) ise hayat tehlikesi taşıyan karaciğer sirozleşmesine yol açmaktadır. Bu çalışmada, makine öğrenme algoritmaları kullanarak aday tek nükleotid polimorfizmine dayanan riskli grupları içerisinden NASH geliştirme duyarlılığını tahminde bulunacak yeni bir model geliştirilmiştir. Çalışmaya toplam 245 NASH hastası ve 120 sağlıklı birey dâhil edilmiştir. Model geliştirmede, CYP2E1 geninde 2 SNP (rs6413432, rs3813867), GCKR geninde 2 SNP (rs780094, rs1260326), PNPLA3'te rs738409 SNP ve cinsiyet parametrelerini içeren aday genlerdeki tek nükleotid polimorfizmin genotipleri kullanıldı. Modeller özellik seçimi ve sınıflandırma algoritmaları içermektedir. Özellik seçimi aşamasında sırasıyla Chi squre filter, Recursive Feature Elimination- SVM kullanılmıştır. Ayrıca Tüm parametreleri (ACF) içeren modeller de geliştirmiştir. Sınıflandırma algoritmasında ise yapay sinir ağları (mutli-layer perceptron), k-En Yakın Komşu (kNN) ve Random Forest (RF) algoritmalarından faydalanmıştır. Sınıflandırma yöntemleri ile özellik seçme yöntemleri kullanarak dokuz farklı makine öğrenimi modeli kombinasyonu yapıldı. Dokuz makine öğrenimi modelinin tümünde, seçilen hasta ve sağlıklı grubun parametrelerinin % 80'iyle eğitildi ve ardından örnek havuzundan % 20si ile test edildi. Modellerin performansı model doğruluğu, hassasiyeti , duyarlılığı ve F-ölçümü ile karşılaştırıldı. Tüm makine öğrenimi modelleri arasında ACF- KNN , % 79 doğruluk, % 81 hassasiyet , % 92 duyarlılık ve , %86 F-ölçümü ile en yüksek performansı göstermiştir. Bu çalışmada, aday SNP'yi girdi özellikleri olarak kullanan farklı makine öğrenme yöntemlerinin entegrasyonunun Nash gibi hastalıkların risk grupları içerisinden duyarlı bireylerin tahmini için uygun bir yaklaşım olduğunu gösterilmiştir.
Özet (Çeviri)
The liver is one of the most important internal organs of the body, which plays an important role in the body's metabolism. Liver diseases are often not easily detected in the early stages because the liver functions properly even if part of it is damaged, making diagnosis difficult. Nowadays, Non-Alcoholic Fatty Liver Disease (NAFLD), which is one of the important liver failures, causes inflammation and cellular damage in the liver because of fatty liver. Nonalcoholic Steatohepatitis (NASH), the most severe stage of this disease, causes life-threatening liver cirrhosis. In this study, a new model has been developed to estimate NASH individual susceptibility among risk groups based on candidate single nucleotide polymorphism using machine-learning algorithms. A total of 245 NASH patients and 120 healthy individuals were included in the study. Genotypes of single nucleotide polymorphism in candidate genes including two SNPs (rs6413432, rs3813867) in the CYP2E1 gene, two SNPs in the GCKR gene (rs780094, rs1260326), rs738409 SNP in PNPLA3, and gender parameters were used in the model's development. Models include feature selection and classification algorithms. During the feature selection phase, Chi-square filter, Recursive Feature Elimination-SVM were used respectively. Also, It has been developed models that include all parameters (ACF). In the classification algorithm, artificial neural networks (multi-layer perceptron), k-Nearest Neighbor (kNN), and Random Forest (RF) algorithms were used. Nine different machine learning model combinations were made using feature selection and classification methods. In all nine machine-learning models, 80% of the parameters of the selected patient and healthy group were used for training the system and then tested with 20% of the sample pool. The performance of the models was compared with the model accuracy, precision, sensitivity, and F-measurement. Among all machine learning models, ACF-KNN showed the highest performance with 79% accuracy, 81% precision, 92% sensitivity, and 86% F-measurement. In this study, it has been shown that the integration of different machine learning methods using the candidate SNP as input properties is a suitable approach for predicting susceptible individuals from risk groups of diseases such as Nash.
Benzer Tezler
- Non alkolik steatohepatit (NASH) hastalarında anlamlı-ileri fibrozis verileri için makine öğrenmesi yöntemlerinin karşılaştırılması
The graduate school of natural and applied science of selçuk university the degree of master of science in biomedical engineering
KEMAL TOLGA ÇETİN
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriSelçuk ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Karaciğer kanseri tedavisinde makine algoritma öğrenimi ve yapay zeka teşhisi
Machine algorithm learning and artificial intelligence diagnosis in liver cancer treatment
YAKUP YASİN ÖZSOY
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ADEM ÖZYAVAŞ
- Karaciğer transplantasyonu sonrası makine ve derin öğrenme yöntemleri ile karaciğer hastalıklarının teşhisi
Diagnosis of liver diseases with machine and deep learning methods after liver transplantation
ZEYNEP BİLEN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERHAT BOZKURT
- Makine öğrenmesi yöntemleri ile hbv-dna yükünden fibrozis şiddeti tahmini
Prediction of fibrosis severity from hbv-dna load using machine learning methods
FERİDE YILMAZ
- Bipolar parsiyel protez uygulanmış kalça kırıklı hastalarda makine öğrenme yöntemleri ile perioperatif prognoz ve maliyet analizi
Perioperative prognosis and cost analysis in patients who have undergone bipolar hemiarthroplasty with hip fracture by using machine learning algorithms
KEMAL ZENCİRLİ
Tıpta Uzmanlık
Türkçe
2020
Ortopedi ve TravmatolojiAtatürk ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF. DR. ÖMER SELİM YILDIRIM
DR. ÖĞR. ÜYESİ MUHAMMED ÇAĞATAY ENGİN