Geri Dön

Use of data mining techniques for early cardiovascular disease prediction

Erken kardiyovasküler hastalığın tahmini için veri madencilik tekniklerinin kullanımı

  1. Tez No: 799289
  2. Yazar: AWS NABEEL AHMED ALSALIM
  3. Danışmanlar: Assist. Prof. Dr. SEFER KURNAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Ana Bilim Dalı
  12. Bilim Dalı: Bilişim Bilim Dalı
  13. Sayfa Sayısı: 55

Özet

Sağlık hizmetleri bu kadar büyük miktarda bilgi topladığından, tıp alanı“önemli veriler açısından çok zengin”ve“bilgi fakiri”olarak görülüyor. Sağlık bağlamında dinamizm, karar vericilerin en çok baktığı konulardan biri olduğundan, veri kalitesinin önemi, karar vericiler için gereksinimler listesinin üst sıralarına yükseldi. Gelişmiş veri madenciliği araçlarını kullanarak bu sorunu çözmek mümkündür. Veri madenciliği, çeşitli bilgi akışları ve destekleyici veri setinin geniş çeşitliliği nedeniyle büyük miktarda bilgiyi incelemek ve analiz etmek için özellikle geniş ve kullanışlıdır. Araştırmamız, uzmanların çeşitli veri teknikleri (seçim ağaçları, naif Bayes ve sinir ağları) ve önceki uzmanların maden keşifleriyle karşılaştırmalar kullanarak bu ölümcül hastalığı tahmin etmek için en iyi kararı vermelerine yardımcı olmayı umuyor. 300'ü erkek ve 400'ü kadın olmak üzere 700 kayda ve hastalıkla ilgili 13 önemli özelliğe (yaş, sigara içme, genetik, glikoz, vb.) ayrılmış birkaç hasta kaydı kullanıldı. Analiz iki bölüme ayrılmıştır: birinci bölüm, çeşitli uygun prosedürler kullanılarak mükemmel verilerin temizlenmesini içerirken, ikinci bölüm, daha önce açıklanan formüllerin bu verilere uygulanmasını içerir. Sonuçlar, iş en iyi sayıyı üretmeye geldiğinde her tekniğin açık bir avantajı olduğunu gösteriyor. Sonuçlar: bireysel olarak, Bayes tekniği (%95,44), karar ağacı yaklaşımı (%98,15), sinir ağları (%89,16). Son olarak, kararımızın doğruluğundan kesinlikle emin olarak hedeflerimize ulaşmalıyız.

Özet (Çeviri)

As healthcare collects such vast amounts of information, the medical field is seen as“too rich in important data”and“information poor”. As dynamism in the context of healthcare is one of the most common issues that decision makers look at, the importance of data quality has risen to the top of the list of requirements for decision makers. It is possible to solve this problem by using advanced data mining tools. Data mining is particularly large and useful for examining and analyzing a large amount of information due to the various information flows and large assortments of the supporting data set. Our research hopes to help experts make the best decision to predict this deadly disease by using a variety of data techniques (selection trees, naïve Bayes, and neural networks), as well as comparisons to mining discoveries from previous experts. Several patient records were used, which were separated into 700 records with 300 males and 400 females, and 13 highly significant disease-related characteristics (age, smoking, genetics, glucose, etc.). The analysis is divided into two parts: the first part involves cleaning the excellent data using various appropriate procedures, while the second part involves applying the formulas described earlier to that data. The results show that each technique has a clear advantage when it comes to producing the best number. The results were: individually, Bayesian technique (95.44%), decision tree approach (98.15%), neural networks (89.16%). Finally, we must achieve our goals while being absolutely certain of the soundness of the decision.

Benzer Tezler

  1. Use of optimization techniques for health prediction

    Sağlık tahmininde optimizasyon tekniklerinin kullanılması

    MUHAMMAD SUFYAN MALIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    Prof. Dr. ALİ YAZICI

    DR. ÖĞR. ÜYESİ MUHAMMAD UMER KHAN

  2. Kalp hastalıklarını tahmin etmede veri madenciliğiteknikleriyle etkili algoritmanın tespit edilmesi

    Determination of effective algorithm with data miningtechniques in predicting heart diseases

    AYŞEGÜL NART

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilim ve TeknolojiGazi Üniversitesi

    Sağlık Bilişimi Ana Bilim Dalı

    PROF. MEHMET ALİ ERGÜN

  3. Arıza teşhisinde veri madenciliği ve yumuşak hesaplama tekniklerinin kullanımı

    The using of data mining and soft computing techniques in fault diagnosis

    İLHAN AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ.DR. ERHAN AKIN

  4. Veri madenciliği yöntemi ile akciğer kanseri teşhisine yönelik öneri sistemi tasarımı

    A suggestion system design for the diagnosis of lung cancer with data mining method

    NİHAT BARIŞ SEBİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HALİL İBRAHİM BÜLBÜL

  5. Kullanıcıların ticari gözetimi, kullanıcı verilerinin metalaşması ve sosyal medya izleme platformları: Kimola, Monitera ve Somera örnekleri

    Commercial surveillance of users, commodification of user data and social media monitoring platforms: Examples of Kimola, Monitera and Somera

    BURÇİN SARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    İletişim BilimleriGalatasaray Üniversitesi

    Radyo Televizyon ve Sinema Ana Bilim Dalı

    PROF. DR. DİLRUBA ÇATALBAŞ ÜRPER