Diagnosis of thyroid disease using machine learning techniques
Tiroid hastalığının makine öğrenimi teknikleri ile teşhisi
- Tez No: 704749
- Danışmanlar: DOÇ. DR. FIDAN NURIYEVA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 51
Özet
Tiroit hastalığı ülkemizde oldukça yaygındır. Bu doğrultuda, bu hastalığın teşhisinin de hızlı ve doğru olmasının önemi yüksektir. Genellikle çeşitli laboratuvar tahlilleri ve görüntüleme testleri ile teşhisi koyulan bu hastalığı makine öğrenmesi teknikleri ile de belirlenmesi mümkün ve iyi bir seçenektir. Toplam 7000 satırlık tahlil yapılan insanlara ilişkin bilgilerin yer aldığı veri seti üzerinde, hedef sınıfında tiroit hastalığının iki çeşidi (hipertiroit ve hipotiroit) ve sağlıklı insanlar yer almaktadır. Bu çoklu sınıflandırma probleminde, hastaların bu üç gruptan hangisine ait olduğunun bulunması hedeflenmiştir. Veri seti üzerinde dengesiz dağılımlar olduğundan ve fazla uyum gerçekleştiğinden çeşitli işlemler yapılması gerekmiştir. Bunlar arasında korelasyon ile öznitelik çıkarımı, düşük ve yüksek hızda örnekleme yer almıştır. Ayrıca sonuca etki eden parametreler bulunup önemsiz olanlar çıkarılmıştır. Bu işlemler sonrasında algoritmalar uygulanmıştır ve en iyi sonuç veren yaklaşımın korelasyon ile öznitelik çıkarımı olduğu görülmüştür. Tahmin doğrultusunda destek vektör makineleri, yapay sinir ağları, lojistik regresyon, k-en yakın komşu ve karar ağaçları (rastgele orman algoritması) kullanılmıştır. Bunlar arasında en başarılı olanlar ise yapay sinir ağları, k-en yakın komşu ve destek vektör makineleri olmuştur.
Özet (Çeviri)
Thyroid disease is quite common in our country. In this respect, it is very important that the diagnosis of this disease is fast and accurate. It is possible and a good option to detect this disease with machine learning techniques, which is usually diagnosed with various laboratory tests and imaging tests. There are two types of thyroid disease (hyperthyroid and hypothyroid) in the target class, as well as healthy patients, on the dataset containing a total of 7000 lines of analysis and information about the people undergoing the tests. In this multi-classification problem, it is aimed to determine whether the patients are hyperthyroid, hypothyroid or healthy. Since there were unbalanced distributions on the dataset and overfitting occurred, various operations were required. These included feature extraction by correlation, undersampling and oversampling. In addition, the parameters affecting the result were found and the unimportant ones were removed. After these processes, the algorithms ran on these datasets and it was seen that the best result was feature extraction with correlation. Support vector machines, artificial neural networks, logistic regression, k-nearest neighbors and decision trees (random forest algorithm) were used for prediction. The most successful among them were artificial neural networks, k-nearest neighbors and support vector machines.
Benzer Tezler
- Classification of thyroid disorder by using machine learning techniques
Makine öğrenmesi teknikleri kullanarak tiroid düzensizliğinin sınıflandırılması
ASMA JAMIL
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MESUT GÜNDÜZ
- Use of machine learning techniques for diagnosis of thyroid glang disorder
Trioit bezi bozukluğu tanısı için makina öğrenme kullanımı
İZDİHAR A.B. EL MOFEK
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEKİ BOZKUŞ
- Tiroit hastalığının teşhisinde uzman sistemlerin kullanılması
Thyroid disease diagnosis using expert systems
RAMAZAN SOLMAZ
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ALKAN
- 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
- Ağaç temelli makine öğrenmesi yöntemlerinin karşılaştırılması ve hastalık tanısı için uygulanması
Comparison of tree-based machine learning methods and its application to diagnosis
YUNUS EMRE CEYLAN
Yüksek Lisans
Türkçe
2021
İstatistikMuğla Sıtkı Koçman Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ERALP DOĞU