Feature selection for diagnosing coronavirus disease by neural network and caledonian crow learning algorithm
Başlık çevirisi mevcut değil.
- Tez No: 746946
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: COVID 19, Korona virüsler, Makine öğrenmesi, Öge seçimi, Öğrenme algoritmaları, COVID 19, Coronaviridae, Machine learning, Feature selection, Learning algorithms
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
COVID-19 hastalığı son aylarda dünyada yaygınlaşmaya başladı. COVID 19, hızla yayılan ölümcül bir solunum yolu hastalığıdır. COVID-19'u teşhis etmenin bir yolu hastalık, hasta ile ilgili veri ve bilgileri kullanmaktır. Veri madenciliği ve makine öğrenimi tıpta çeşitli enfeksiyonları analiz etmek için araçlardır. Veri madenciliği için bir meydan okuma ve COVID-19 hastalığını teşhis etmek için makine öğrenimi yöntemleri, çok sayıda makine öğrenimi için hastalığın özellikleri. Makine öğrenimi sayısını artırmak girdiler, sağlıklı ve hastalıklı insanları sınıflandırmanın doğruluğunu azaltabilir. Bu nedenle, Bu çalışma, yeni Caledonian (NC) karga öğrenmesine dayalı özellik seçme yöntemleri algoritması (NCCLA) tanıtıldı. Önerilen algoritmalarda ilk aşamada, COVID-19 hastalığı ile ilgili en iyi özellikler karga öğrenme tarafından seçilir algoritma. Yapay zekaya eğitim girdisi olarak kullanılarak COVID-19 hastalığının özellik seçimi sinir ağı. Bir Brezilya hastanesinde COVID-19 hastalığı veri seti üzerinde deneyler karga öğrenme algoritmasının öznitelik seçme amaç fonksiyonunu şu şekilde azalttığını gösterin: yineleme. Özellik seçim fonksiyonunun azaltılması, hatanın azaltılmasından kaynaklanmaktadır. enfekte insanları sağlıklı olarak sınıflandırmak ve özellik sayısını azaltmak. deneyler için önerilen yöntemin doğruluğunu, duyarlılığını, kesinliğini ve F1'ini gösterin. COVID-19 hastalarını teşhis edenlerin oranı sırasıyla %94.31, %94.15, %94.38 ve %94.27'dir. COVID-19 hastalarını tanımlamak için önerilen yöntem YSA'dan daha doğrudur, CNN, CNNLSTM, CNNRNN, LSTM, RNN yöntemleri.
Özet (Çeviri)
COVID-19 disease has become prevalent in the world in recent months. COVID 19 is a fatal respiratory disease that spreads rapidly. One way to diagnose COVID-19 the disease is to use patient-related data and information. Data mining and machine learning are tools for analyzing a variety of infections in medicine. A challenge to data mining and machine learning methods for diagnosing COVID-19 disease is the large number of features of the disease for machine learning. Increasing the number of machine learning inputs can reduce the accuracy of classifying healthy and diseased people. Therefore, in this study, feature selection methods based on the new Caledonian (NC) crow learning algorithm (NCCLA) have been introduced. In the proposed algorithms, in the first stage, the best features related to COVID-19 disease are selected by the crow learning algorithm. Features-selecting of COVID-19 disease using as training input to the artificial neural network. Experiments on the COVID-19 disease dataset in a Brazilian hospital show that the crow learning algorithm reduces the feature selection objective function by iteration. Decreasing the feature selection function is due to reducing the error of classifying infected people as healthy and reducing the number of features. Experiments show that the accuracy, sensitivity, precision, and F1 of the proposed method for diagnosing COVID-19 patients are 94.31%, 94.15%, 94.38%, and 94.27%, respectively. The proposed method for identifying COVID-19 patients is more accurate than ANN, CNN, CNNLSTM, CNNRNN, LSTM, RNN methods.
Benzer Tezler
- An intelligent system for lung cancer diagnosis using a machine learning algorithm based feature selection method
Makine öğrenme algoritması tabanlı özellik seçim yöntemi kullanarak akciğer kanseri tanısı için akıllı bir sistem
RUAA AZZAH SUHAIL SUHAIL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. SEFER KURNAZ
- Peripartum COVID-19 tanısı almış gebelerde doğum şeklinin maternal ve neonatal sonuçlar üzerine etkisi
Peripartum in pregnancy diagnosis of COVID-19 maternal and neonatal of birth type effect on results
BURAK TURGUT
Tıpta Uzmanlık
Türkçe
2022
Kadın Hastalıkları ve DoğumSağlık Bilimleri ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. PINAR KUMRU
- Vücut yağ yüzdesi tahmini için özellik seçim yöntemlerinin karşılaştırılması
Comparison of feature selection methods for estimation of body fat percentage
ASUDE ALTIPARMAK BİLGİN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURHAN BARAKLI
- Development of a machine learning based application for diagnosing autoinflammatory diseases
Otoinflamatuvar hastalıkların teşhisi için makine öğrenmesi tabanlı bir uygulamanın geliştirilmesi
AYOUB ALI MOFTAH ABID
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. FUAT AKAL
- Konvolüsyonel sinir ağları ve meta-sezgisel yöntemlerle kolon kanseri tespiti
Colon cancer detection with convolutional neural networks and meta-heuristic methods
FAWZİ KHALİFA SALİM KHALIFA
Tıpta Uzmanlık
Türkçe
2025
Matematikİstanbul Kültür ÜniversitesiMatematik ve Bilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LEVENT CUHACI