Makine öğrenmesi algoritmaları ile geliştirilen erken uyarı sistemi ile çocukluk çağı obezite riskinin saptanması
Detection the risk of childhood obesity by early warning system developed with machine learning algorithms
- Tez No: 746030
- Danışmanlar: PROF. DR. BETÜL ÇİÇEK
- Tez Türü: Doktora
- Konular: Beslenme ve Diyetetik, Nutrition and Dietetics
- Anahtar Kelimeler: Algoritmalar, Erken uyarı sistemleri, Karar ağacı, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Obezite, Risk faktörleri, Sınıflandırma, Yapay zeka, Çocukluk dönemi, Algorithms, Early warning systems, Decision tree, Machine learning, Machine learning methods, Obesity, Risk factors, Classification, Artificial intelligence, Childhood
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Beslenme ve Diyetetik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde çocukluk çağı obezite riskini tahmin edebilecek bilgisayar programları kullanılmaktadır. Çalışmanın amacı, makine öğrenmesi yaklaşımlarıyla çocukluk çağı obezite riskini tahmin edebilen erken uyarı sistemi geliştirmek ve bu sayede çocuklarda obezite henüz gelişmeden tespit edilebilmesine katkı sağlamaktır. İlk aşamada çocukluk çağı obezite riskini tahmin edebilen dinamik bir erken uyarı sistemi kurulmuştur. Sistem için Navie Bayes, k-en yakın komşu, yapay sinir ağı, karar ağacı, lojistik regresyon ve destek vektör makinesi algoritmalarının performansları doğruluk, duyarlılık, hassasiyet, F-ölçütü, Matthews korelasyon katsayısı, Kappa istatistiği değerleri ile belirlenmiştir. En yüksek doğrulukta tahmin işlemini karar ağacı algoritması gerçekleştirdiği için sistem bu algoritmayla kurulmuş ve bulut sağlayıcısına aktarılarak web tabanlı dinamik bir sisteme dönüştürülmüştür. İkinci aşamada sistem tarafından 100 çocuğun obezite risk tahminleri yapılmıştır. Sistem sonuçları ile obezite risk faktörleri arasındaki ilişki incelenerek sistemin doğruluğu teyit edilmiştir. Sonuç olarak çocukluk çağı obezite riski için %94 başarıyla tahmin işlemi gerçekleştiren bir erken uyarı sistemi kurulabilmiş ve çağımızın en ciddi problemlerinden olan obezite için gerekli önlemlerin henüz ortaya çıkmadan alınabilmesi mümkün hale gelmiştir
Özet (Çeviri)
Complex computer programs are used to predict the risk of childhood obesity. The aim of the study is to develop an early warning system that can predict the risk of childhood obesity with a machine learning approach and to contribute to the detection of obesity in children before it develops. In the first stage of the study, a dynamic early warning system that can predict childhood obesity risk. Naive bayes, k-nearest neighbor, artificial neural network, decision tree, logistic regression and support vector machine algorithms are used for the early warning system. The performances of the models were determined by accuaracy, recally, sensitivity, F-measure, Matthews correlation coefficient and Kappa statistic. The decision tree algorithm performed the prediction with the highest accuracy. The system was established with the decision tree algorithm. The system was transferred to the cloud provider and transformed into a web based dynamic system. In the second stage of the study, the obesity risks of 100 children were calculated. The accuracy of the system was confirmed by examining the relationship between system results and obesity risk factors. As a result, an early warning system that can predict childhood obesity risk with a success rate of 94% has been established. In this way, it has become possible to take the necessary measures for obesity, which is one of the most serious problems of our centurt, before it occurs.
Benzer Tezler
- Hastanelerdeki acil servis yoğunluğunun gerçekleşme faktörlerinin yapay zeka yöntemleri ile analiz ve tahmini
Analysis and prediction of emergency department overcrowding factors in hospitals using artificial intelligence methods
HAKAN SÖZGEN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolVan Yüzüncü Yıl ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DR. EROL KINA
- Finansal balonların ve krizlerin makine öğrenmesi yöntemleriyle tahmini
Forecasting financial bubbles and crises using machine learning methods
MERVE MERT SARITAŞ
- Kimyasal, biyolojik, radyolojik, nükleer (KBRN) ajanlarının erken tespiti için insansız hava aracı (İHA)'na entegre gaz analiz cihazının tasarımı ve deneysel incelenmesi
Design and experimental investigation of a gas analysis device integrated into an unmanned aerial vehicle (UAV) for the early detection of chemical, biological, radiological, nuclear (CBRN) agents
YUNUS EMRE YEŞİLKAYA
Yüksek Lisans
Türkçe
2025
Savunma ve Savunma TeknolojileriFırat ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK TANYERİ
- Postpartum kanamanın erken tespitine yönelik yöntem geliştirme ve etkinliğinin değerlendirilmesi
Development of a method for early detection of postpartum haemorrhage and evaluation of its effectiveness
MERVE AFACAN SATIOĞLU
Doktora
Türkçe
2023
EbelikEskişehir Osmangazi ÜniversitesiEbelik Ana Bilim Dalı
DOÇ. DR. NEŞE ÇELİK
DOÇ. DR. MUHAMMET TAHİR GÜNEŞER
- Yüksek Öğretimde Yapay Zeka Destekli Akademik Performans Analizi
Artificial intelligence-assisted academic performance analysis in higher education
AYSEL AKBEL
Yüksek Lisans
Türkçe
2025
Yönetim Bilişim Sistemleriİstanbul Rumeli Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ PAŞAOĞLU