Sepsis'in yapay zeka temelli erken tanısı üzerine karar destek sistemi
Decision support system on artificial intelligence based early diagnosis of sepsis
- Tez No: 769293
- Danışmanlar: DOÇ. DR. ORHAN ER, DOÇ. DR. DENİZ KILINÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Karar destek sistemleri, Sepsis, Tahmin, Yapay zeka, Decision support systems, Sepsis, Estimation, Artificial intelligence
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İzmir Bakırçay Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Akıllı Sistemler Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dünya Sepsis Derneği verilerine göre, her yıl 47-50 milyon kişinin sepsis olduğunu ve 11 milyon kişinin sepsisten öldüğünü tahmin ediyor, her 2.8 saniyede bir ölüm gerçekleşiyor. Sepsis, en yaygın hastalıklardan olan meme kanseri, prostat kanseri ve HIV-AIDS'in toplamından daha fazla ölüm oranına sahiptir. Enfeksiyona karşı düzensiz immün aracılı bir konak yanıtı olan sepsis, yaygın, ölümcül ve maliyetlidir. Bu tez çalışmasında, laboratuvar bulgularından makine öğrenimi algoritmalarını kullanarak Sepsis tahmini için karşılaştırmalı bir çalışma gerçekleştiriyoruz. Bu amaçla, sinir ağı sınıflandırıcısının yanı sıra farklı yapıları içeren otuz iki farklı makine öğrenmesi algoritması değerlendirilmiş ve karşılaştırılmıştır. Deneysel sonuçlar, diğer makine öğrenmesi algoritmaları arasında SVM (Cubic, Fine Gaussian), KNN (Fine, Weighted, Subspace), Trees (Weighted, Boosted, Baggged) ve sinir ağları tabanlı sınıflandırıcıların %100 ile daha iyi doğruluk elde ettiğini göstermektedir. Böylece sepsis hastasının hayatta kalıp kalamayacağını tahmin etmek için makine öğrenmesi algoritmalarının kullanılmasının uygun olduğu sonucuna varılmıştır. Bu tez çalışması, bir sepsis hastasının hayatta kalıp kalamayacağını tahmin ederken doktorların karar verme süreçleri için yeni bir destekleyici araç olarak kullanılma potansiyeline sahiptir.
Özet (Çeviri)
According to World Sepsis Association data, it is estimated that 47-50 million people have sepsis and 11 million people die from sepsis each year, with one death occurring every 2.8 seconds. Sepsis has a higher death rate than the most common diseases of breast cancer, prostate cancer, and HIV-AIDS combined. Sepsis, a dysregulated immune-mediated host response to infection, is common, fatal, and costly. In this thesis, we perform a comparative study for Sepsis prediction using machine learning algorithms from laboratory findings. For this purpose, thirty-two different machine learning algorithms including different structures as well as neural network classifiers were evaluated and compared. Experimental results show that SVM (Cubic, Fine Gaussian), KNN (Fine, Weighted, Subspace), Trees (Weighted, Boosted, Bagged), and neural network-based classifiers, among other machine learning algorithms, achieve better accuracy with 100%. Thus, it was concluded that it is appropriate to use machine learning algorithms to predict whether the sepsis patient will survive. This thesis has the potential to be used as a new supportive tool for physicians when predicting whether a sepsis patient will survive.
Benzer Tezler
- Erken neonatal sepsisi öngörmede laktat ve sistemik inflamatuar belirteçlerin makine öğrenimine dayalı yararlılığının değerlendirilmesi
Evaluation of the utility of lactate and systemic inflammatory markers based on machine learning for predicting early neonatal sepsis
ŞEYMA MÜNEVVER BOZDEMİR
Tıpta Uzmanlık
Türkçe
2025
Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. ŞİRİN GÜVEN
- Yatarak tedavi gören çocuk yanık olgularında prognozu öngörmede makine öğrenme modellerinin kullanımı
Machine learning models for prognostic prediction in hospitalized pediatric burn patients
BEGÜM SÖNMEZ
Tıpta Uzmanlık
Türkçe
2026
Çocuk CerrahisiSağlık Bilimleri ÜniversitesiÇocuk Cerrahisi Ana Bilim Dalı
PROF. DR. ARZU ŞENCAN
- Pıhtı dalga formu analizi kullanarak makine öğrenmesi temelli mortalite tahminleme modeli geliştirilmesi
Development of a machine learning based mortality prediction model using clot waveform analysis
VELİ İYİLİKCİ
Tıpta Uzmanlık
Türkçe
2023
BiyokimyaSağlık Bilimleri ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. AYFER ÇOLAK
- Artificial intelligence applications in early diagnosis of sepsis disease
Sepsis hastalığının erken tanısında yapay zeka uygulamaları
ÖZNUR ESRA PAR
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EBRU SEZER
PROF. DR. HAYRİ SEVER
- Sağlık hizmetlerinde yapay zeka uygulamaları: Yoğun bakım örneği
Artificial intelligence in healthcare: An implementation example for intensive care units
ZEHRA NUR CANBOLAT GÖÇMEN
Doktora
Türkçe
2022
İşletmeİstanbul Medipol ÜniversitesiYönetim Bilimleri Ana Bilim Dalı
PROF. DR. GÖKHAN SİLAHTAROĞLU