Geri Dön

Performance monitoring of classifiers models for improving medication adherence

Başlık çevirisi mevcut değil.

  1. Tez No: 746984
  2. Yazar: HUSHAM HUSSEIN ALHAGRI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Fusing acoustic and linguistic parameters for multilingual emotion recognition

    Akustik ve dilbilimsel parametrelerle çok dilli duygu tanıma

    MUSTAFA ERDEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. LEVENT ARSLAN

  2. 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

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

  3. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. GALİP AYDIN

  4. Convolutional autoencoder based heart arrhythmia detection system

    Evrişimli otomatik kodlayıcı tabanlı aritmi tespit sistemi

    ÖYKÜ ERAVCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiYaşar Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NALAN ÖZKURT

  5. Bilgi sistemlerinde bilgi akışı modellemesi

    Başlık çevirisi yok

    DUYGU DERİNÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET FAHRİ ÖZOK