Geri Dön

Predicting Covid-19 infection using machine learning and feature selection methods

Makine öğrenmesi ve nitelik seçme yöntemleriyle Covid-19 tahmini

  1. Tez No: 749540
  2. Yazar: UMUT AHMET ÇETİN
  3. Danışmanlar: DOÇ. DR. FATİH ABUT
  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: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 230

Özet

Bu tezin amacı, çeşitli makine öğrenme ve nitelik seçme yöntemlerini kullanarak yeni COVID-19 tahmin modelleri geliştirmektir. Çok Katmanlı Algılayıcı (MLP), Tree Boost (TB), Radyal Temel İşlev Ağı (RBF), Destek Vektör Makinesi (SVM) ve K-Ortalama Kümeleme (KMC) yöntemleri kullanılarak çeşitli regüler ve nitelik seçme tabanlı COVID-19 tahmin modelleri oluşturmuştur. Minimum fazlalık maksimum önem (mRMR) ve Relief-F algoritmaları nitelik seçme yöntemleri olarak seçilmiştir. Veri seti, 20.000 hasta (10.000 pozitif, 10.000 negatif) ile ilgili bilgileri içermektedir ve çeşitli kişisel, semptomatik ve asemptomatik değişkenlerden oluşmaktadır. Modellerin performansını değerlendirmek için doğruluk, kesinlik, hassaslık ve F1-skor metrikleri kullanılırken, modellerin genelleme hataları 10-katlı çapraz doğrulama kullanılarak değerlendirilmiştir. Sonuçlar, genel olarak MLP'nin COVID-19 enfeksiyonunu tahmin etmede diğer tüm ML sınıflandırıcılarından daha iyi performans sergilediğini göstermektedir. mRMR'nin ortalama performansının, bir hastanın COVID-19 enfeksiyonunu tahmin etmede Relief-F'e göre biraz daha iyi olduğu gözlemlenmiştir. Ateş, öksürük ve baş ağrısı gibi semptom temelli değişkenler, COVID-19 enfeksiyonunun en önemli belirleyicileri olarak bulunmuştur.

Özet (Çeviri)

The purpose of this thesis is to develop new COVID-19 prediction models using different machine learning and feature selection methods. Particularly, Multi-Layer Perceptron (MLP), Tree Boost (TB), Radial Basis Function Network (RBF), Support Vector Machine (SVM), and K-Means Clustering (KMC) have been used to construct various regular and feature selection-based COVID-19 prediction models. The minimum redundancy maximum relevance (mRMR) and Relief-F algorithms have been chosen as the feature selectors. The dataset has information related to 20.000 patients (i.e., 10.000 positives, 10.000 negatives) and includes several personal, symptomatic, and non-symptomatic variables. The accuracy, precision, recall, and F1-score metrics have been used to assess the models' performance, whereas the generalization errors of the models has been evaluated using 10-fold cross-validation. The results show that, in general, MLP outperforms all other ML classifiers for predicting the COVID-19 infection. The average performance of mRMR is slightly better than Relief-F in predicting the COVID-19 infection of a patient. The symptom-based variables such as fever, cough, and headache have been found as the most vital predictors of COVID-19 infection.

Benzer Tezler

  1. Prediction of COVİD-19 with machine learning algorithms using blood test data

    Kan test verilerini kullanarak makine öğrenme algoritmaları ile COVİD-19 tahmini

    SOHEILA ABBASI HABASHI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    prof. Dr. MURAT KOYUNCU

  2. Analitik hiyerarşi süreci ve veri madenciliği teknikleriyle hibrit bir karar destek sistemi uygulaması: kovid19 tanısı

    A hybrid decision support system application with analytic hierarchy process and data mining techniques: diagnosis of COVİD 19

    AHMET BURSALI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    BiyoistatistikEge Üniversitesi

    Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı

    DOÇ. DR. ASLI SUNER KARAKÜLAH

  3. COVID-19 hastalarında ilk başvurudaki verilerle hastalık şiddetinin makine öğrenmesi yöntemleri ile öngörülmesi

    Prediction of disease severity with machine learning methods in COVID-19 patients with the data at the first hospitalization

    KÜBRA KÖKSAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ

    DOÇ. DR. BUKET DOĞAN

  4. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  5. SARS-CoV-2 proteini ile insan proteini arasindaki etkileşimlerin makine öğrenmesi yöntemleri ile tahmini

    Prediction of interactions between SARS-CoV-2 protein and human protein using machine learning methods

    FİRDES GÜL KORKUT

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT GÖK