Performance monitoring of classifiers models for improving medication adherence
Başlık çevirisi mevcut değil.
- Tez No: 746984
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- 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: 55
Özet
Every year, many poor health outcomes are the result of patients missing their medication, as prescribed by their healthcare providers. Guidance and reminders to these patients would result in better health outcomes and significant financial savings to the economy. This thesis utilizes accelerometers and gyroscopes, which are widely available inside devices (e.g., smart phones and watches) to actively monitor patient activities, including those related to adherence to medication regimens. Different machine learning techniques are compared for recognizing when a pill bottle has been opened. Such actions could remind the patient to take their medication if an opening were not detected. An artificial neural network (ANN) model will be compared with a support vector machine (SVM) and a K-nearest neighbor (KNN) classifier. The models are trained on data collected by former University of Iraqis students. Raw (normalized) sensor data is used, without extensive data processing or feature extraction. A neural network proves the most promising with an accuracy of 98.12%, as well as the greatest flexibility in data pre-processing requirements. KNN achieved high accuracy, although results were likely due to overfitting limited data with the simple model. SVM did not perform as well as the others, however; it did achieve similar results to previous research
Özet (Çeviri)
Her yıl, birçok kötü sağlık sonucu, hastaların ilaçlarını almamasının sonucudur. sağlık hizmeti sağlayıcıları tarafından reçete edilir. Bu hastalara rehberlik ve hatırlatmalar daha iyi sağlık sonuçları ve ekonomide önemli mali tasarruflar sağlar. Bu tez cihazlarda yaygın olarak bulunan ivmeölçerleri ve jiroskopları kullanır (ör. akıllı telefonlar ve saatler) ile ilgili olanlar da dahil olmak üzere hasta aktivitelerini aktif olarak izlemek için ilaç rejimlerine bağlılık. için farklı makine öğrenme teknikleri karşılaştırılmıştır. bir hap şişesinin ne zaman açıldığını tanımak. Bu tür eylemler hastaya şunları yapmasını hatırlatabilir: bir açıklık tespit edilmediyse ilaçları. Bir yapay sinir ağı (YSA) modeli bir destek vektör makinesi (SVM) ve bir K-en yakın komşu (KNN) ile karşılaştırılacaktır. sınıflandırıcı. Modeller, eski Irak Üniversitesi öğrencileri tarafından toplanan veriler üzerinde eğitilmiştir. Ham (normalleştirilmiş) sensör verileri, kapsamlı veri işleme veya özellik çıkarma olmadan kullanılır. Bir sinir ağı, %98.12'lik bir doğrulukla en umut verici olduğunu kanıtlıyor. veri ön işleme gereksinimlerinde en yüksek esneklik. KNN yüksek doğruluk elde etti, Bununla birlikte, sonuçlar muhtemelen basit modelle sınırlı verinin gereğinden fazla takılmasından kaynaklanıyordu. SVM yaptı ancak diğerleri kadar iyi performans göstermez; önceki araştırmalara benzer sonuçlar elde etti
Benzer Tezler
- Fusing acoustic and linguistic parameters for multilingual emotion recognition
Akustik ve dilbilimsel parametrelerle çok dilli duygu tanıma
MUSTAFA ERDEN
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. LEVENT ARSLAN
- Sinyal işleme ve makine öğrenmesi yöntemleri kullanılarak büyükbaş hayvan davranışlarının tahmini
Prediction of cattle behaviors by using signal processing and machine learning methods
AHMET PÜTÜN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA YILMAZ
- Condition monitoring and fault detection for electrical power systems using signal processing and machine learning techniques
Sı̇nyal ı̇şleme ve makı̇ne öğrenme teknı̇klerı̇ kullanılarak elektrı̇k güç sı̇stemleri ı̇çı̇n durum ı̇zleme ve arıza belirleme
YASMIN NASSER MOHAMED
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Classification of agricultural land cover using satellite imagery with deep learning
Derin öğrenme ile uydu görüntüleri kullanılarak tarımsal arazi örtüsünün sınıflandırılması
ABDULWAHEED ADEBOLA YUSUF
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP AYDIN
- Elektrik güç sistemlerinde ferrorezonans analizi yapay zeka tabanlı tespit ve matlab simülasyonu
Ferroresonance analysis in electric power systems artificial intelligence based detection and matlab simulation
FATİH SALİHOĞLU
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU