Covid-19 hastaları için makine öğrenmesi sınıflandırma yöntemleriyle hastalık evresinin tahmini
Prediction of disease stage by machine learning classification methods for Covid-19 patients
- Tez No: 792396
- Danışmanlar: PROF. ÖZLEM EGE ORUÇ, DR. ÖĞR. ÜYESİ MELİKE ŞIRLANCI
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- Sayfa Sayısı: 46
Özet
Denetimli makine öğrenmesi sınıflandırma algoritmaları son yıllarda birçok alanda yaygın olarak kullanılmaktadır. Özellikle sağlık, makine öğrenmesi çalışmalarının başarıyla yürütüldüğü önemli alanların başında gelmektedir. Bu tez çalışmasının amacı, Covid-19 tanısı ile hastaneye başvuran kişilerin hastalık evresini tahmin eden modellerin geliştirilmesidir. Covid-19, ilk olarak 2019 yılının son aylarında Çin'de görüldükten sonra hızla yayılmasıyla birlikte Dünya Sağlık Örgütü tarafından Mart 2020'de pandemi olarak ilan edilen ve milyonlarca insanın ölümüne neden olan salgın bir hastalıktır. Günümüzde ortaya çıkan aşılar ile eskisi gibi bir etkiye sahip olmasa da hala birçok insan hastalığa yakalanmakta ve ölümle karşı karşıya gelmektedir. Yoğun bakım doluluğu, yatak yetersizliği, solunum cihazı sıkıntısı gibi yetersizlikler bu sorunların başında gelmekte olup sağlık çalışanlarını da hastaların ezici yüküyle karşı karşıya bırakmıştır. Bu nedenle, Covid-19 hastalarının erken aşamada hastalık evrelerinin tahmin edilmesi büyük önem taşımaktadır. Çalışmada kullanılan veri seti, hastaların hastaneye kabulleri sırasındaki klinik ve laboratuvar verilerini içermektedir. Veri setinde lojistik regresyon, rassal orman ve destek vektör makinesi algoritmaları kullanılarak hastalık evresini tahmin eden modeller geliştirilmeye çalışılmıştır. 9 değişkenle kurulan rassal orman modeli en iyi performansı gösteren model olmuştur. Elde edilen modellerle düşük riskli ya da yüksek riskli Covid-19 hastaları için gereken tedavinin görülmesi ve tıbbi sistem yetersizlikleri yaşanmaması için hastane yönetiminin bilgi edinmesi sağlanacaktır.
Özet (Çeviri)
Supervised machine learning classificitaion algorithms have been widely used in many fields in recent years. Especially, health is one of the most important areas where machine learning studies are carried out successfully. The aim of this thesis study is to develop models that predict the disease stage of people who apply to hospital with the diagnosis of Covid-19. Covid-19 is an epidemic disease that was first seen in China in the last months of 2019, and then rapidly spread, declared as a pandemic by the World Health Organization in March 2020 and caused the death of millions of people. Inadequacies such as intensive care occupancy, insufficiency of beds, and shortage of respiratory equipment are among these problems, and this has left healthcare workers faced with the overwhelming burden of patients. Therefore, estimating the disease stages of Covid-19 patients at an early stage is of great importance. The data set used in the study includes the clinical and laboratory data of the patients during in their admission to the hospital. It has been tried to develop models that predict disease stage by using logistic regression, random forest and support vector machine algorithms in the data set. The random forest model with 9 variables was the best performing model. With the models obtained, it will be ensured that the hospital management receives information in order to see the necessary treatment for low-risk or high-risk patients and to avoid medical system inadequacies.
Benzer Tezler
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Medical dataset classification based on different deep learning techniques and meta-heuristic algorithms
Farklı derin öğrenme teknikleri ve meta-sezgisel algoritmalara dayalı tıbbi veri kümesi sınıflandırması
YEZI ALI KADHIM
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiMühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı
PROF. DR. ALOK MISHRA
PROF. DR. REŞAT ÖZGÜR DORUK
- COVID-19 enfeksiyonunun biyokimyasal yansımalarının değerlendirilmesi
Evaluation of biochemical reflections of COVID-19 infection
MAİDE HACER TEKİN ALAGÖZ
Doktora
Türkçe
2023
Biyoistatistikİstanbul ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. EVİN ADEMOĞLU
- Yapay zekâ-tabanlı hibrit anomali tespit ve klinik karar destek teknikleri ile kardiyovasküler hastalıkların ve COVİD-19'un otomatik tespiti
Artificial intelligence-based hybrid anomaly detection and clinical decision support techniques for automated detection of cardiovascular diseases and COVİD-19
MERVE BEGÜM TERZİ
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images
Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı
OZAN GÜLDALİ
Yüksek Lisans
İngilizce
2021
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL İNAN