Geri Dön

Diyabetik ayak hastalarının ampütasyon riskinin yapay zekâ teknikleri ile öngörülmesi

Prediction of amputation risk of patients with diabetic foot by artificial inteligence techniques

PDF İndir

  1. Tez No: 729840
  2. Yazar: DENİZHAN DEMİRKOL
  3. Danışmanlar: DOÇ. DR. ÇİĞDEM EROL
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoistatistik, Deniz ve Sualtı Hekimliği, Computer Engineering and Computer Science and Control, Biostatistics, Marine and Underwater Medicine
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Enformatik Bilim Dalı
  13. Sayfa Sayısı: 288

Özet

Diyabetik ayak sendromuna bağlı gelişen diyabetik ayak ülserleri, yüksek morbidite ve mortalite ile karakterize olup hastalar için ampütasyon gibi hayati sonuçları olabilen diyabetin en önemli komplikasyonları arasında bulunmaktadır. Bu doktora tez çalışmasının temel amacı diyabetik ayak hastalarının ampütasyon riskinin yapay zekâ-makine öğrenmesi sınıflandırma algoritmaları kullanılarak öngörülmesidir. Çalışmada kullanılan veri seti, İstanbul Üniversitesi Tıp Fakültesi Sualtı Hekimliği ve Hiperbarik Tıp Anabilimdalı'nda diyabetik ayak infeksiyonu tanısıyla Ocak 2009 – Eylül 2019 tarihleri arasında tedavi görmüş ve takip süreçleri sonlanmış 407 hastayı içermektedir. Bu tez çalışmasında, diyabetik ayak hastaları retrospektif olarak değerlendirilmiş, hastaların başvuru anındaki demografik ve klinik özellikleri ile takip ve tedavi sonucu sağlanan fayda ve ampütasyon ilişkisi yapay zekâ teknikleri ile açığa çıkarılmıştır. Araştırmada yöntem olarak Veri Tabanlarında Bilgi Keşfi süreci takip edilmiştir. Veri setindeki diyabetik ayak hastalığına ilişkin en önemli nitelikler Temel Bileşenler Analizi yoluyla belirlenmiştir. Bu tez çalışmasında diyabetik ayak hastalarının hem genel hem de majör ve minör ampütasyon riskinin öngörülmesi için çeşitli tahmin/sınıflandırma modelleri oluşturulmuştur. Bu modellerin kurulmasında, k-En Yakın Komşu algoritması, Sade Bayes Sınıflandırıcı, Sınıflandırma ve Regresyon Ağaçları algoritması (CART), Rastgele Orman Algoritması, Yapay Sinir Ağları, Aşırı Öğrenme Makineleri, Destek Vektör Makineleri, Lojistik Regresyon ve XGBoost algoritmalarından yararlanılmıştır. Hiperparametre optimizasyonu için ayrıca Genetik Algoritma ve Parçacık Sürü Optimizasyonu algoritmaları da kullanılmıştır. Model performans değerlendirme yöntemleri olarak; çapraz geçerleme, ikili ayırma yöntemi,“bootstrap sampling”ve üçlü ayırma yöntemleri kullanılmıştır. Veri seti ve alt kırılım veri setlerinde uygun makine öğrenmesi sınıflandırma algoritmalarının uygulanması hem nitelik seçimi işlemi gerçekleştirilmeden hem de gerçekleştirildikten sonra tekrarlanmıştır. Sonuç olarak nitelik seçimi yapılarak oluşturulmuş, kategorik ve nümerik değerlerden oluşan alt kırılım veri setinde daha iyi test performansı gösteren modeller; temelinde topluluk öğrenme metodolojisi bulunan“ensemble”bir yöntem olan“Rastgele Orman Algoritması”(doğruluk: 0,78; duyarlılık: 0,67; belirleyicilik: 0,87; kesinlik: 0,80; Negatif Öngörü Değeri: 0,77; F-Ölçütü:0,73) ve“Lojistik Regresyon”(doğruluk: 0,90; duyarlılık: 0,94; belirleyicilik: 0,86; kesinlik: 0,84; Negatif Öngörü Değeri: 0,95; F-Ölçütü: 0,89) algoritmaları olup, seçilen deney koşullarında diğer algoritmalara kıyasla daha iyi performans göstermiştir. R-Shiny kullanıcı ara yüzüne bu nedenle genel ampütasyonu tahmin etmek için oluşturulmuş ve ilgili deney koşullarında en yüksek performansı gösteren bu iki model entegre edilerek diyabetik ayak tedavisi ile uğraşan hekim ve sağlık personeline yardımcı bir karar destek sistemi geliştirilmiştir.

Özet (Çeviri)

Diabetic foot ulcers due to diabetic foot syndrome are characterized by high morbidity and mortality and are among the most important complications of diabetes mellitus, which can have vital consequences such as amputation for patients.The main purpose of this doctoral thesis is to predict the amputation risk of diabetic foot patients using artificial intelligence-machine learning classification algorithms. The dataset used in the doctoral thesis includes 407 patients who were treated with the diagnosis of diabetic foot infection in Istanbul University Faculty of Medicine, Department of Underwater and Hyperbaric Medicine between January 2009 and September 2019 and their follow-up processes were terminated. In this research, diabetic foot patients were evaluated retrospectively and it is aimed to determine with artificial intelligence techniques the relationship between the demographic and clinical features of the patients at the time of admission, and the benefits of the treatment and amputation results obtained through follow-up. In the research, the process of Knowledge Discovery in Databases created by Fayyad, Shapiro and Smyth (1996) has been followed. The most important features related to the amputation risk of diabetic foot patients in the data set were determined through Principal Component Analysis. In this doctoral thesis, various prediction/classification models were created to predict the risk of both general –“overall”and major and minor amputation –“multi class”risk of diabetic foot patients. In the creating of these models, k-Nearest Neighbor algorithm, Naive Bayes Classifier, Classification and Regression Trees Algorithm (CART, Random Forest algorithm, Artificial Neural Networks, Extreme Learning Machines, Support xxx Vector Machines, Logistic Regression and XGBoost Algorithms were used. Genetic Algorithm and Particle Swarm Optimization algorithms were also used for hyperparameter optimization for specific algorithms. As model performance evaluation methods; cross validation, hold-out method, bootstrap sampling and three way split methods were used. The application of appropriate machine learning classification algorithms on the dataset and sub-dimension datasets was repeated both before and after the feature selection process. As a result, the models that show the best performance in the sub-dimension data set consisting of categorical and numerical values, which were created by feature selection; the“Random Forest Algorithm”(accuracy: 0,78; sensitivity: 0,67; specificity: 0,87 ; precision: 0,80 ; negative predictive value: 0,77; F-Measure:0,73) which is an based on ensemble learning methodology and“Logistic Regression”algorithms (accuracy: 0,90; sensitivity: 0,94; specificity: 0,86; precision: 0,84; negative predictive value: 0,95; F-Measure: 0,89), performed better than other algorithms in the defined experimental conditions. Therefore, a decision support system has been developed to help physicians and healthcare professionals dealing with diabetic foot treatment by integrating these two prediction models, which show the highest performance in the relevant experimental conditions to the R-Shiny user interface.

Benzer Tezler

  1. Tez No

    900492

    Nontravmatik alt ekstremite amputasyonlarının retrospektif incelenmesi

    Retrospective review of nontraumatic lower extremity amputations

    FATİH ERDOĞAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Ortopedi ve TravmatolojiTekirdağ Namık Kemal Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    DOÇ. DR. YAŞAR MAHSUT DİNÇEL

  2. Tez No

    242284

    Metisilin dirençli Staphylococcus aureus' un etken olduğu diyabetik ayak enfeksiyonlu hastalarda nazal mrsa taşıyıcılığının moleküler yöntemlerle araştırılması

    Investigation of methicillin resistant S.aureus carriage among the patients with diabetic foot infection by using molecular diagnostic methods background-objective

    ÇİĞDEM ÖZAYDIN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2008

    MikrobiyolojiDüzce Üniversitesi

    Mikrobiyoloji ve Klinik Mikrobiyoloji Ana Bilim Dalı

    DOÇ. DR. M. TEVFİK YAVUZ

  3. Tez No

    680563

    Diyabetik ayağa bağlı sepsis, ağır sepsis, septik şok tanısı alan hastalarda SIRS, qSOFA, SOFA, IWGDF skorlamalarının prognozu öngörü değerlerinin karşılaştırılması

    Comparison of prognosis prediction values of SIRS, qSOFA, SOFA, IWGDF scoring in patients with diabetic foot- connected sepsis, severe sepsis and septic shock diagnosis

    TALHA TATLİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    İlk ve Acil YardımAdnan Menderes Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SELÇUK EREN ÇANAKÇI

  4. Tez No

    314650

    Diyabetik ayak gelişiminde periferal iskemi, oksidatif stres ve endotel disfonksiyonunun değerlendirilmesi

    Investigation of peripheral ischemia, oxidative stress and endothelial disfunction during diabetic foot development

    DİDEM BARLAK KETİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2012

    BiyokimyaErciyes Üniversitesi

    Biyokimya Ana Bilim Dalı

    PROF. DR. SABAHATTİN MUHTAROĞLU

  5. Tez No

    54719

    Diabetik ayak enfeksiyonlarında etyoloji, tedavi ve prognoz

    Başlık çevirisi yok

    YÜKSEL GÖKEL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1996

    Endokrinoloji ve Metabolizma HastalıklarıÇukurova Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF.DR. MUSTAFA KOÇAK

Geri Dön