Kalp yetmezliği hasta verilerinin farklı sınıflandırma yöntemleriyle analizi
Analysis of heart failure patient data with different classification methods
- Tez No: 746101
- Danışmanlar: DR. ÖĞR. ÜYESİ MUTLU AKAR
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Matematik Bilim Dalı
- 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
- 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
2022
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CABİR VURAL
PROF. DR. ALİ SERDAR FAK
- 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
2021
İlk ve Acil YardımHacettepe ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. MEHMET ALİ KARACA
- Development of a telemedicine platform for remote monitoring of patients
Hastaların uzaktan takibi için teletıp platformu geliştirilmesi
ERGÜN ALPERAY TARIM
Doktora
İngilizce
2023
Biyomühendislikİzmir Yüksek Teknoloji EnstitüsüBiyomühendislik Ana Bilim Dalı
DOÇ. DR. HÜSEYİN CUMHUR TEKİN
PROF. DR. VİLDAN MEVSİM
- 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
2022
Anestezi ve ReanimasyonSivas Cumhuriyet ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
PROF. DR. SİNAN GÜRSOY
- 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
2018
KardiyolojiEge Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. DEVRİM BOZKURT