Geri Dön

Kalp yetmezliği hasta verilerinin farklı sınıflandırma yöntemleriyle analizi

Analysis of heart failure patient data with different classification methods

  1. Tez No: 746101
  2. Yazar: ŞEVVAL TUĞÇE BADİK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MUTLU AKAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Matematik, Mathematics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Ana Bilim Dalı
  12. Bilim Dalı: Matematik Bilim Dalı
  13. Sayfa Sayısı: 51

Özet

Kalp yetmezliği dünya genelinde ölüm oranında büyük ölçüde büyümeye sebep olan bir kardiyovasküler hastalıktır. Bu yazının amacı, çeşitli makine öğrenmesi yöntemlerini kullanarak hastaların çeşitli özelliklerine, hastalıklarına ve yaşam tarzlarına bakarak hayatta kalma olasılıklarını en başarılı şekilde tahmin etmektir. Kullandığımız veri setinde 2015 yılında sol ventrikül sistolik disfonksiyonu olan 299 hasta NYHA sınıf III ve IV olarak sınıflandırılmıştır. Veri seti üzerinde çeşitli makine öğrenimi sınıflandırma yöntemlerini kullanarak hastaların hayatta kalma olasılığını tahmin etmeye çalışılmıştır. Bu çalışmada iki versiyon bulunmaktadır. Çalışmanın ilk versiyonunda, veri setinin boyutunu küçültmek için PCA kullanılmıştır. Makine öğrenimi algoritmalarının başarısı çeşitli performans ölçme metriklerine göre değerlendirilmiştir. İkinci versiyonda veri setine sadece makine öğrenmesi algoritmaları uygulanmış olup ardından performans ölçümü yapılmıştır. İki sürüm karşılaştırıldığında, PCA uygulanmayan ikinci sürüm, genel olarak tüm makine öğrenmesi algoritmaları için daha başarılı olmuştur. İkinci versiyonda ise en başarılı sonucu CatBoost algoritması vermiştir. Kalp yetmezliği olan hastaların ölüm durumları makine öğrenmesi teknikleri kullanılarak tahmin edilebilir. Bu makalenin amacı, hastanın ölüm durumunu değerlendirmek için çeşitli değişkenlere bakmaktır. Mortalite durumuna göre uygun tedavi seçilerek hastanın durumu iyileştirilebilir.

Özet (Çeviri)

Heart failure is a cardiovascular disease that causes a large increase in the death rate worldwide. The purpose of this article is to most successfully predict the probability of survival by looking at the various characteristics, diseases and lifestyles of patients using various machine learning methods. In the data set we used, 299 patients with left ventricular systolic dysfunction were classified as NYHA classes III and IV in 2015. An attempt was made to estimate the probability of survival of patients using various machine learning classification methods on the data set. There are two versions in this study. In the first version of the study, PCA was used to reduce the size of the dataset. The success of machine learning algorithms has been evaluated according to various performance measurement metrics. In the second version, only machine learning algorithms were applied to the data set and then performance measurement was performed. Compared to the two versions, the second version, which did not implement PCA, was more successful for all machine learning algorithms in general. In the second version, the CatBoost algorithm gave the most successful result. The death status of patients with heart failure can be estimated using machine learning techniques. The purpose of this article is to look at various variables to assess the patient's death status. The patient's condition can be improved by choosing the appropriate treatment according to the mortality situation.

Benzer Tezler

  1. Heart failure detection with deep networks based on electrocardiography and impedance cardiography signals

    Kalp yetersizliğinin elektrokardiyografi ve empedans kardiyografi işaretleri kullanılarak derin ağlara dayalı tespiti

    ŞEVKET GÜNDÜZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. CABİR VURAL

    PROF. DR. ALİ SERDAR FAK

  2. Erişkin acil servisine 2019 ve 2020 yıllarında dispne şikayeti ile başvuran hastaların verilerinin karşılaştırmalı analizi

    Comparative analysis of patients admitted to hacettepe university emergency department due to dyspnea in 2019 and 2020

    AHMET AKSAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    İlk ve Acil YardımHacettepe Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. MEHMET ALİ KARACA

  3. Development of a telemedicine platform for remote monitoring of patients

    Hastaların uzaktan takibi için teletıp platformu geliştirilmesi

    ERGÜN ALPERAY TARIM

    Doktora

    İngilizce

    İngilizce

    2023

    Biyomühendislikİzmir Yüksek Teknoloji Enstitüsü

    Biyomühendislik Ana Bilim Dalı

    DOÇ. DR. HÜSEYİN CUMHUR TEKİN

    PROF. DR. VİLDAN MEVSİM

  4. Yoğun bakım ünitesinde hastaya verilen pozisyonların QT ve QTC intervalleri üzerine etkisinin araştırılması

    Given to the patient in the intensive care unitQT and QTC intervals of positionsinvestigation of its effect on

    MAHMUT YARIMAY

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Anestezi ve ReanimasyonSivas Cumhuriyet Üniversitesi

    Anesteziyoloji ve Reanimasyon Ana Bilim Dalı

    PROF. DR. SİNAN GÜRSOY

  5. Ege Üniversitesi Tıp Fakültesi İç Hastalıkları yoğun bakım ünitesinde 2010 - 2017 yılları arasında yatan korunmuş ejeksiyon fraksiyonlu kalp yetmezlikli hastaların mortalite ve morbidite belirteçlerinin retrospektif incelenmesi

    Retrospective investigation of morbidity and mortality predictors in patients with hfpef who admitted to Intensive Care Unit of Ege University in 2010-2017

    FULYA ODABAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    KardiyolojiEge Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DOÇ. DR. DEVRİM BOZKURT