Geri Dön

Hastalık teşhis tahminlerinde veri madenciliği sınıflandırma yöntemleri

Data mining classification methods in disease diagnostic estimates

PDF İndir

  1. Tez No: 783274
  2. Yazar: FATMANUR DAL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ OSMAN GÜRDAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Hastalık, Makine öğrenmesi, Sınıflandırma, Teşhis, Teşhis teknikleri ve prosedürleri, Teşhis-bilgisayar-destekli, Veri madenciliği, Yapay sinir ağları, Disease, Machine learning, Classification, Diagnosis, Diagnostic techniques and procedures, Diagnosis-computer-assisted, Data mining, Artificial neural networks
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmasında, karaciğer hastalığının erken teşhisinde seçilen temel makine öğrenme metotlarını uygulayarak, en yüksek doğruluğa sahip olan bir algoritmanın seçilmesidir. En büyük organ olan karaciğer vücutta birçok önemli görevi üstlenmektedir. Karaciğerin az miktarda çalışması dahi vücut için yeterlidir. Bu durum karaciğer hastalığının teşhisini zorlaştırmaktadır. Dünyada hastaların %4'ü karaciğer hastasıyken, ölümlerin %8'i karaciğer hastalığına bağlı olmaktadır. Karaciğer hastalıklarının ekonomiye ve insan hayatına verdiği zarar şüphesiz ki bu hastalığı erken teşhis ve tedavi açısından önemli hale getirmiştir. Makine öğrenme algoritmaları hastalıkların erken teşhisinde sıklıkla kullanılmakta olup, tıp alanındaki karmaşık verilerin anlaşılması, çözümlenebilmesi ve işlenebilmesi için sıkça başvurulan yöntemler haline gelmiştir. Bu çalışmadaki veri seti UCI'deki herkesin erişimine açık olan Indian Liver Patient Dataset (ILPD) kullanılmıştır. Veri seti Hindistan'daki 416 karaciğer hastalığı tanılı, 167 sağlıklı bireyi içermektedir. Karaciğer hastalığının sınıflandırma işlemleri için bazı makine öğrenme yöntemleri kullanılmıştır. Bu yöntemlerden, Destek Vektör Makineleri (DVM), Yapay Sinir Ağları (YSA), Naif Bayes (NB), k-En yakın komşu (k-NN), Karar Ağaçları ve Lojistik Regresyon metotları uygulanmıştır. Veri seti 10 adet bağımsız (explanatory) değişken, 1 adet bağımlı (outcome) değişkenden oluşmaktadır. Veri setinin %80'i eğitim, %20'si ise test seti olmak üzere rastgele ikiye ayrılmıştır. Kişilere ait tanımlayıcı (descriptive) istatistik bilgileri incelenmiştir. Kişilerin 142'si (%24,4) kadın, 441'i (%75,6) erkektir. En küçük yaştaki kişi 4, en büyük kişi ise 90 yaşında olup, ortalama yaş 44,75±16,19'dur. Çalışma için uygulanan makine öğrenme algoritmaları sonrasında modellerin hata matrisi oluşturuldu. Doğruluk, özgüllük, kesinlik, duyarlılık ve F skoru değerleri hesaplandı. Elde edilen doğruluk oranlarına göre karaciğer hastalığının teşhisinde kullanılması uygun görülen model YSA ve k-NN olup, değeri %72'ydi. Ancak bu modellerin F skoru incelendiğinde YSA modelinin %83 iken, k-NN modelinin %82 olduğu elde edildi. Bu durumda en güvenilir modelin YSA olduğu saptandı.

Özet (Çeviri)

In this investigation, by using basic machine learning techniques that we were able to determine the optimal algorithms for early liver disease identification. The largest organ in the body, the liver, performs a variety of crucial tasks. The body can function with even a little help from the liver. This makes the diagnosis of liver disease challenging. Despite liver illness affecting 4% of patients worldwide, it accounts for 8% of fatalities. There is no doubt that this disease is significant in terms of early detection and treatment due to the harm that liver diseases pose to the economy and human life. In the domain of medicine, machine learning algorithms are being regularly used to comprehend, analyze, and process complex data. They are also widely utilized in the early identification of diseases. The Indian Liver Patient Dataset (ILPD), which is available to everyone at UCI, provided the dataset used in this study. The dataset contained 416 liver disease diagnoses and 167 healthy individuals. To categorize liver illnesses, some machine learning algorithms have been utilized, such as Support Vector Machines (SVM), Artificial Neural Networks (ANN), Naive Bayes (NB), k-Nearest Neighbor (k-NN), Decision Trees, and Logistic Regression. There were ten explanatory variables and one outcome variable in the dataset. The dataset was randomly divided into a training set of 80% and a test set of 20%. Using descriptive statistics, we discovered that 142 (24.4%) of the individuals had liver disease and were female, while 441 (75.6%) were male. The average age was 44.75 ± 16.19 years, with the youngest person being 4 years old and the oldest person being 90 years old. Following the application of machine learning methods to the investigation, the error matrices of the models were constructed. The values for accuracy, specificity, precision, sensitivity, and F-score were computed. ANN and k-NN models with an accuracy rate of 72% were declared suitable for the diagnosis of liver disease based on the obtained accuracy rates. However, when the F scores of these models were compared, it was discovered that the ANN model had a score of 83% while the k-NN model had a score of 82%. Thus, it was concluded that the ANN was proven to be the most dependable model in this work.

Benzer Tezler

  1. Tez No

    940943

    Sağlık hizmetlerinde nesnelerin internetinin mevcut durumu ve gelecek eğilimleri: Delphi tekniği uygulaması

    Current situation and future trends of internet of things in healthcare: execution of the Delphi technique

    BURCU GÜNGÖR ÖNLEN

    Doktora

    Türkçe

    Türkçe

    2025

    Sağlık Kurumları Yönetimiİstanbul Üniversitesi-Cerrahpaşa

    Sağlık Yönetimi Ana Bilim Dalı

    PROF. DR. ÖZGÜR ASLAN

  2. Tez No

    758275

    Makine öğrenimi algoritmalarını kullanarak hastalık tahmininin gömülü sistemlerde gerçeklenmesi

    Machine learning algorithms for disease prediction in embedded systems

    ASİLAY VAROL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYozgat Bozok Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMET EMİN ŞAHİN

  3. Tez No

    803911

    Servikal premalign lezyonların tanısında akıllı telefon bazlı yapay zeka teknolojisinin konvansiyonel kolposkopi ile karşılaştırmalı prospektif araştırılması

    Comparative prospective investigation of smartphone-based artificial intelligence technology and conventional colposcopy in the diagnosis of cervical premalignant lesions

    ŞERİFE IŞIK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Kadın Hastalıkları ve DoğumSağlık Bilimleri Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    DOÇ. DR. NERGİZ KENDER ERTÜRK

  4. Tez No

    945198

    U-net ve sam entegrasyonu ile meme mr görüntülerinde tümör segmentasyonu ve morfolojik işlemlerle takibi

    Breast mri tumor segmentation using U-net and sam integration with morphological tracking methods

    ALPTUĞ ŞEREF AYYILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. İBRAHİM AKDUMAN

  5. Tez No

    989561

    Assessing the effectiveness of enhancements and modified Yolov11 in malaria detection on microscopic small objects

    Mikroskobik küçük nesnelerde sıtma tespitinde iyileştirmelerin ve modifiye Yolov11'in etkinliğinin değerlendirilmesi

    SHAHD HASHIM HASSAN ABDALGADIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ FURKAN KAMANLI

Geri Dön