Derin öğrenme yaklaşımı ile sigara bırakma tedavisinin belirlenmesi için karar destek sisteminin geliştirilmesi
Developing decision support system for determining of smoking cessation therapy with deep learning approach
- Tez No: 726223
- Danışmanlar: PROF. DR. KEMAL TURHAN
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 118
Özet
Dünya Sağlık Örgütü (DSÖ), sigara bağımlılığının dünyada en yaygın bağımlılık olduğunu ve her yıl 6 milyon kişinin sigara kullanımına bağlı hastalıklardan hayatını kaybettiğini bildirmiştir. Dünyada ve ülkemizde sigara bırakma oranları çok düşüktür ve kişiye göre farklılık göstermektedir. Bunun için de doktorlar, hastalar için uygun tedavi yöntemini belirlerken bireysel farklılıkları dikkate alan tedavi planları yapmalıdır. Bu çalışma, tedavide uzmana yardımcı olmak için bilgisayarlı klinik karar destek sistemlerini ve hasta özelliklerine göre kişiselleştirilmiş hasta önerileri sağlayan kişiselleştirilmiş bir sağlık bakım sistemini tanıtmaktadır. Çalışmaya Trabzon Farabi Hastanesi Göğüs Hastalıkları Anabilim Dalı Sigara Bırakma Polikliniğine 2015-2020 yılları arasında başvuran 383 hasta dahil edildi. Bu hastalardan elde edilen veriler kullanılarak sigara bırakma başarısını etkileyen faktörler IBM SPSS23 ve R paket programı kullanılarak analiz edildi. Lojistik regresyon geriye doğru eliminasyon yöntemi kullanılarak 383 hastadan elde edilen faktörlerden sigara bırakma başarısında etkili olduğu ortaya çıkan 12 faktör tespit edildi. Son yıllarda gelişmekte olan derin öğrenme yöntemi, tıbbi verilerin analiz edilmesinde ve hastalıkların teşhisinde kullanılmaktadır. Bu amaçla bu tez çalışmasında, bireysel farklılıklara göre sigara içenlerin sigara bırakma oranlarını tahmin edebilen derin bir öğrenme modeli oluşturulmuştur. Derin öğrenme yaklaşımının bir yöntemi olan konvolüsyonel sinir ağı (CNN) tabanlı karar destek sistemi, 1000 örneklem 12 faktörden oluşan bir veri seti kullanılarak Google Colaboratory platformunda geliştirilmiştir. Bu veri setinde verilerin %80'i eğitim ve %20'si test verisi olarak rastgele bölünen CNN ağında %79'luk başarı yüzdesi elde edilmiştir. 200 test verisi üzerinde geliştirilen en iyi CNN modeli için %64 duyarlılık, %88 özgüllük ve %79 doğruluk değerleri elde edilmiştir. CNN'nin yöntemi 7 farklı makine sınıflandırıcıları (RF, DT, NB, SVM, LR, KNN ve MLP) ile karşılaştırılmıştır. CNN yönteminin %79 doğrulukla diğer makine sınıflandırıcıları üzerinde etkili olduğu kanıtlanmıştır. Bu uzman sistem sayesinde sigara bırakma polikliniğine başvuran hastalarda sigara bırakma oranları sınıflandırılmıştır.
Özet (Çeviri)
The World Health Organization (WHO) reported that cigarette addiction is the most common addiction in the world, and every year 6 million people die from diseases related to smoking. Smoking cessation rates in the world and in our country are very low and vary according to the individual. For this, physicians should make treatment plans that take individual differences into account while determining the appropriate treatment method for patients. This study introduces computerized clinical decision support systems to assist the treatment professional and a personalized healthcare system that provides personalized patient recommendations based on patient characteristics. 383 patients who applied to the Smoking Cessation Outpatient Clinic of Trabzon Farabi Hospital Chest Diseases Department between 2015-2020 were included in the study. Using the data obtained from these patients, factors affecting smoking cessation success were analyzed using IBM SPSS23 and R package program. Among the factors obtained from 383 patients using the logistic regression inverse elimination method, 12 factors were identified that turned out to be effective in smoking cessation success. The deep learning method, which has been developing in recent years, is used in analyzing medical data and diagnosing diseases. For this purpose, in this thesis, a deep learning model that can predict people's smoking cessation rate of smokers based on individual differences has been created. Convolutional neural network (CNN) based decision support system, which is a method of deep learning approach, has been developed on the Google Colaboratory platform using a data set consisting of 1000 sample and 12 factors. In this data set, a success rate of %79 was obtained in the CNN network where 80% of the data was divided into training and 20% test data randomly. For the best CNN model developed on 200 test data, %88 specificity, %64 sensitivity, and %79 accuracy values were obtained. CNN's method has been compared with 7 different machine classifiers (RF, DT, NB, SVM, LR, KNN and MLP). The CNN method has proven to be effective on other machine classifiers with an accuracy of %79. Thanks to this expert system, smoking cessation rates were classified in patients who applied to the smoking cessation clinic.
Benzer Tezler
- Deep learning medical applications
Derin öğrenme tıbbi uygulamaları
ALI AMER SHYAA SHYAA
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. GALİP CANSEVER
- Video üzerinde derin öğrenme ile nesne sansürlüme
Sensor processing on video with deep learni̇ng
YERNIYAZ BAKHYTOV
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ
- Zararlı video içeriklerinin derin öğrenme teknikleri ile tespiti ve filtrelenmesi için bir yazılım aracı geliştirilmesi
Development of a software tool for detecting and filtering harmful video content with deep learning techniques
FATMA GÜLŞAH TAN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ASIM SİNAN YÜKSEL
- Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease
Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi
İNANÇ MORAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR
- 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
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA