Geri Dön

Enhancing COVID-19 patient prediction with over-sampling and genetic feature selection

Başlık çevirisi mevcut değil.

  1. Tez No: 796437
  2. Yazar: YASIR ALI MOHAMMED ALI AL-TAHHAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ ATA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2024

    Acil TıpSüleyman Demirel Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. HAMİT HAKAN ARMAĞAN

  2. Kontrollü aktif molekül salımı yapan pektin temelli hidrojellerin geliştirilmesi

    Developing pektin-based hydrogels with controlled delivery of active molecules

    AYŞE BANU KOCAAĞA

    Doktora

    Türkçe

    Türkçe

    2021

    Biyomühendislikİstanbul Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞE ÖZGE KÜRKÇÜOĞLU LEVİTAS

    PROF. DR. FATMA SENİHA GÜNER

  3. 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

    Türkçe

    2023

    Acil TıpSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. MEHMET ALİ CEYHAN

  4. 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

    İngilizce

    2022

    BiyomühendislikKoç Üniversitesi

    Biyomedikal Bilimler ve Mühendislik Ana Bilim Dalı

    DOÇ. DR. SEDA KIZILEL

  5. 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

    Türkçe

    2024

    Kamu YönetimiDokuz Eylül Üniversitesi

    Afet Yönetimi Ana Bilim Dalı

    PROF. DR. GÜRKAN ERSOY