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: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İZMİR BAKIRÇAY ÜNİVERSİTESİ
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Disiplinlerarası Akıllı Sistemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
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
- 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
- Temel klinik veriler ve laboratuvar parametreleri kullanılarak yapay zeka desteğiyle sepsis fenotiplerinin belirlenmesi
Identification of sepsis phenotypes with artificial intelligence using basic clinical data and laboratory parameters
MEHMET ÇELİK
Tıpta Uzmanlık
Türkçe
2024
Anestezi ve ReanimasyonDemiroğlu Bilim ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
PROF. DR. MUSTAFA KEMAL ARSLANTAŞ
- 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
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol ÜniversitesiYönetim Bilimleri Ana Bilim Dalı
PROF. DR. GÖKHAN SİLAHTAROĞLU
- Prematüre yenidoğanlarda makina öğrenmesi tabanlı geç başlangıçlı sepsis ve nekrotizan enterokolit tanı modellerinin açıklanabilirlik ve itiraz edilebilirliği
Explainability and contestability of machine learning-based recognition models of late-onset sepsis and necrotising enterocolitis in preterm newborns
IŞIL GÜZEY
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZLEM UÇAR
- Prediction of Sepsis in Intensive Care Unit patients using machine learning
Yoğun Bakım hastalarında Sepsisin makine öğrenmesiyle tahmini
BITA AZARI
Yüksek Lisans
İngilizce
2024
Yönetim Bilişim SistemleriDokuz Eylül Üniversitesiİşletme (İngilizce) Ana Bilim Dalı
PROF. DR. SABRİ ERDEM