Enhancing COVID-19 patient prediction with over-sampling and genetic feature selection
Başlık çevirisi mevcut değil.
- Tez No: 796437
- Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ ATA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 51
Özet
COVID-19 (koronavirüs hastalığı) üreten SARS-CoV2 virüsü dünyaya yayılmış ve bir pandemi haline gelmiştir. Hasta sayısı her geçen gün arttığı için laboratuvar verilerinin değerlendirilmesi için zamana ihtiyaç duyulmakta, bu da ilaçların ortaya çıkmasına ve kısıtlılıkların keşfine yol açmaktadır. Bu sınırlamaların bir sonucu olarak, öngörücü algoritmaları içeren bir klinik politika sistemi gereklidir. Hastalıkları tanımlayarak, öngörücü algoritmalar sağlık sistemleri üzerindeki baskıyı hafifletebilir. Bu çalışmada, COVID-19'lu potansiyel olarak enfekte olmuş hastaları tanımlayan makine öğrenimi klinik tahmin modelleri oluşturmak için laboratuvar verileriyle aşırı örnekleme ve genetik özellik seçiminin (GF'ler) bir kombinasyonu önerilmiştir. İlk olarak, aşırı örnekleme yöntemi, tüm sınıflar için dağılım verilerini tekdüze hale getirerek dengesizlik sorununun üstesinden gelmek için kullanılır. İkincisi, GF'ler gürültüyü ve alakasız özellikleri verilerden çıkarmak için kullanılır. Modelimizin performansını hesaplamak ve değerlendirmek için birçok metrik kullanıldı: doğruluk, geri çağırma, F1 skoru, AUC ve hassasiyet puanları. Burada rastgele ilk (RF), karar ağacı (DT) ve çok katmanlı algılayıcının (MLP) COVID-19 hastalarını %96'dan fazla doğrulukla sınıflandırabileceği kanıtlanmıştır.
Özet (Çeviri)
SARS-CoV 2, the cause of COVID-19 (coronavirus disease) become a global pandemic. Because the number of patients is growing more and more every day, evaluating test data takes time, which leads to the emergence of drugs and the discovery of limitations. As a result of these limitations, a clinical policy system that includes predictive algorithms is required. By identifying diseases, predictive algorithms can relieve pressure on health care systems. In this study, a combination of over-sampling and genetic feature selection (GFs) with laboratory data is proposed to build machine-learning clinical prediction models that identify potentially infected patients with COVID-19. Firstly, the oversampling method is used to overcome the problem of imbalance by uniforming the distribution data for all classes. Second, the GFs is used to remove the noise and irrelevant features from the data. To compute and evaluate our performance of the proposed method, many metrics were used: accuracy, recall, F1-score, AUC, and precision scores. It is proven here that random forest (RF), decision tree (DT), and multilayer perceptron (MLP), can classify COVID-19 patients with more than 96% accuracy.
Benzer Tezler
- Acil servise başvuran 65 yaş üstü COVİD-19 hastalarının laboratuvar ve radyolojik bulgularının hastalığın şiddeti ve mortaliteyi öngörmedeki rolü
The role of laboratory and radiological findings of COVİD-19 patients over 65 years of age who apply to the emergency department in predicting the severity and mortality of the disease
KEMAL SAÇAK
Tıpta Uzmanlık
Türkçe
2024
Acil TıpSüleyman Demirel ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. HAMİT HAKAN ARMAĞAN
- Kontrollü aktif molekül salımı yapan pektin temelli hidrojellerin geliştirilmesi
Developing pektin-based hydrogels with controlled delivery of active molecules
AYŞE BANU KOCAAĞA
Doktora
Türkçe
2021
Biyomühendislikİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE ÖZGE KÜRKÇÜOĞLU LEVİTAS
PROF. DR. FATMA SENİHA GÜNER
- Ankara ili hastane acil servislerine 112 ambulansı ile alandan nakledilen ve reddedilerek Ankara Şehir Hastanesi Acil Tıp Kliniğine getirilen hastaların retrospektif değerlendirilmesi
Retrospective evaluation of patients initially transferred by 112 ambulance service, from various regions of Ankara to the emergency departments of different hospitals, and subsequently transferred to Ankara City Hospital Emergency Service following rejection by the initial centers
OSMAN KAAN KALKAN
Tıpta Uzmanlık
Türkçe
2023
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. MEHMET ALİ CEYHAN
- Developing a novel recombinant IL-1 receptor antagonist to treat the cytokine storm in Covid-19
Covid-19 hastalığında sitokin fırtınasını tedavi etmek üzere yeni IL-1 reseptör antagonist geliştirilmesi
BURCU BEYAZ
Yüksek Lisans
İngilizce
2022
BiyomühendislikKoç ÜniversitesiBiyomedikal Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. SEDA KIZILEL
- Covid-19 pandemisi sürecinde diyaliz ünitesinde çalışan hemşirelerin afet deneyimi: Pamukkale üniversitesi hastanesi örneği
Disaster experiences of dialysis unit nurses during the covid-19 pandemic: Example of Pamukkale University hospital
RUKİYE ŞİMŞEK
Yüksek Lisans
Türkçe
2024
Kamu YönetimiDokuz Eylül ÜniversitesiAfet Yönetimi Ana Bilim Dalı
PROF. DR. GÜRKAN ERSOY