Geri Dön

Makine öğrenmesi yöntemleri ile kronik böbrek hastalığının teşhisinin iyileştirilmesi

Improvement of chronic kidney disease detection by the machine learning methods

PDF İndir

  1. Tez No: 799943
  2. Yazar: AHMET ÜNSAL
  3. Danışmanlar: DOÇ. DR. CENGİZ GAZELOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 97

Özet

Kronik Böbrek Hastalığı (KBH), dünya genelinde yaklaşık 3,5 milyon insanın etkilendiği bir hastalıktır. KBH, genellikle son aşamalara kadar semptom göstermeyen, teşhisi oldukça zor bir hastalık olarak doktorlar tarafından belirtilmektedir. Ayrıca KBH ilerleyen evrelerinde tedavisi olmayan, maliyeti çok yüksek, hasta kişiye ve yakınlarına hem maddi hem de manevi ağır yükler yükleyen bir hastalık olarak bilinmektedir. Söz konusu bu hastalığın teşhisinde, genellikle kan değerleri, idrar tahlili değeri ve ultrason görüntüleri kullanılmaktadır. Bu teşhis yöntemlerinin yansıra, birçok alanda olduğu gibi, bu hastalığın teşhisi için de bilgisayar destekli programlar kullanılmaktadır. Bu tez çalışmasının amacı, ilerleyen aşamalara kadar semptom göstermeyen, maddi ve manevi yükü oldukça ağır olan ve tedavisi genellikle mümkün olmayan kronik böbrek hastalığının erken dönemde teşhis edilebilmesi için yapay zekanın alt kümesi olarak da bilinen makine öğrenmesi algoritmaları kullanılarak hastalığın erken teşhis edilmesini sağlamaktır. Bununla birlikte, makine öğrenmesi algoritmalarıyla hastalığın teşhis edilmesiyle günümüzde oldukça yoğun çalışan doktorlara işlerinde yardım sağlayacak ve insan kaynaklı oluşabilecek hatalar ortadan kalkmış olacaktır. Bu çalışma için UCI makine öğrenmesi deposunda Chronic Kidney Disease Data Set adıyla bulunan veri seti kullanılmıştır. Veri seti 400 klinik kayıt ve hastalığın olup olmadığını belirleyen sınıf değişkeniyle beraber 25 değişkenden oluşmaktadır. Çalışmada kronik böbrek hastalığının teşhisinde en doğru sonucu verecek algoritmayı belirlemek için 12 farklı makine öğrenmesi algoritması kullanılmıştır. Söz konusu bu algoritmalar WEKA paket programı yardımıyla analiz edilmiştir. Her bir algoritma için öznitelik seçimi olmadan, korelasyon tabanlı öznitelik seçimi uygulanarak ve tutarlılık ölçütü tabanlı öznitelik seçimi uygulanarak çıktılar alınmıştır. Ayrıca algoritmaların veri setini ezberlemesini önlemek amacıyla 10 kat çapraz doğrulama da uygulanmıştır. Algoritmaların performanslarını değerlendirmek için doğruluk oranı, TP oranı, FP oranı ve ROC alanı metrikleri kullanılmıştır. Yapılan çalışmalar sonucunda elde edilen çıktılara göre en başarılı performansı gösteren algoritma %99,75 doğruluk oranı ile MLP algoritmasıdır. Algoritma hem öznitelik seçimi olmadan hem de korelasyon tabanlı öznitelik seçimi uygulandığında aynı sonucu vermektedir. TP oranı: 0,996, FP Oranı: 0,000 ve ROC Alanı: 1,000 olarak hesaplanmıştır. Çalışmayla ilgili uygulanan bütün algoritmalara ait bulgular çalışma içinde yer alan çizelgelerde detaylı olarak gösterilmiştir.

Özet (Çeviri)

Chronic Kidney Disease (CKD) is a disease that affects approximately 3.5 million people worldwide. CKD is often described by doctors as a disease that does not show symptoms until the last stages and is difficult to diagnose. In addition, CKD is known as a disease that has no cure in its advanced stages, has a very high cost, and imposes heavy financial and moral burdens on the sick person and their relatives. In the diagnosis of this disease, blood values, urinalysis value and ultrasound images are generally used. In addition to these diagnostic methods, computer-assisted programs are used for the diagnosis of this disease, as in many areas. The aim of this thesis is to provide early diagnosis of the disease by using machine learning algorithms, also known as a subset of artificial intelligence, in order to diagnose chronic kidney disease, which does not show symptoms until the advanced stages, has a very heavy financial and moral burden and is usually not treatable, in the early period. However, by diagnosing the disease with machine learning algorithms, it will help doctors who work very hard today and human- induced errors will be eliminated. For this study, the data set named Chronic Kidney Disease Data Set in the UCI machine learning repository was used. The dataset consists of 400 clinical records and 25 variables, with the class variable determining whether or not the disease is present. In the study, 12 different machine learning algorithms were used to determine the algorithm that will give the most accurate result in the diagnosis of chronic kidney disease. These algorithms were analyzed with the help of WEKA package program. Outputs are obtained for each algorithm without feature selection, by applying correlation-based feature selection and by applying consistency criterion-based feature selection. In addition, 10-fold cross validation was applied to prevent algorithms from memorizing the data set. Accuracy rate, TP rate, FP rate and ROC area metrics were used to evaluate the performances of the algorithms. According to the results obtained as a result of the studies, the algorithm showing the most successful performance is the MLP algorithm with an accuracy rate of 99.75%. The algorithm gives the same result both without feature selection and when correlation-based feature selection is applied. TP ratio: 0.996, FP Ratio: 0.000 and ROC Area: 1,000. The findings of all algorithms applied in the study are shown in detail in the charts included in the study.

Benzer Tezler

  1. Tez No

    452523

    Kalp krizi karar destek sistemi

    Heart attack decision support system

    İLKNUR BUÇAN KIRKBİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    BiyoistatistikKaradeniz Teknik Üniversitesi

    Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı

    YRD. DOÇ. DR. BURÇİN KURT

  2. Tez No

    554000

    Kronik böbrek hastalığının makine öğrenmesi yöntemleriyle analizi

    Analysis of chronic kidney disease with machine learning methods

    MUSTAFA İLKER ERDURSUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HASAN ERBAY

  3. Tez No

    737548

    İdrar yolu enfeksiyonu geçiren çocuklarda başvuru şikayetlerinin yapay zeka verisi olma yeterliliğinin değerlendirilmesi

    Evaluation of the sufficiency of presenting complaints to be artificial intelligence data in children with urinary tract infection

    ZEHRA BURCU YILMAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. NİDA DİNÇEL

  4. Tez No

    769015

    Early detection and estimation of diseases by using machine learning methods

    Makine öğrenme yöntemleriyle hastalıkların erken tespiti ve tahmini

    AHMED HASHIM ABDULHUSSEIN ALESHAIQER

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SEFER KURNAZ

  5. Tez No

    614314

    Bipolar parsiyel protez uygulanmış kalça kırıklı hastalarda makine öğrenme yöntemleri ile perioperatif prognoz ve maliyet analizi

    Perioperative prognosis and cost analysis in patients who have undergone bipolar hemiarthroplasty with hip fracture by using machine learning algorithms

    KEMAL ZENCİRLİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Ortopedi ve TravmatolojiAtatürk Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF. DR. ÖMER SELİM YILDIRIM

    DR. ÖĞR. ÜYESİ MUHAMMED ÇAĞATAY ENGİN

Geri Dön