Algorithmic learning of clinically acceptable levels of laboratory test results from electronic medical records: Personalized reference intervals
Elektronik hasta kayıtlarından laboratuvar test sonuçlarının klinik olarak kabul edilebilir seviyelerinin algoritmik olarak öğrenilmesi: Kişiselleştirilmiş referans aralıkları
- Tez No: 805405
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZLEM AKTAŞ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 65
Özet
Laboratuvar sonuçları, hekimlere teşhis ve tedavi süreçlerine yardımcı objektif veriler sağlayan önemli bir araçtır. Sonuçlarının anlamlı olabilmesi için referans aralıkları ile birlikte rapor edilmesi gerekmektedir. Referans aralıkları yaş, cinsiyet gibi demografik özelliklere göre ayrı ayrı belirlenmelidir. Makine öğrenmesi algoritmaları ile kolay, hızlı, güvenli ve ekonomik şekilde referans aralıklarının hesaplanması amaçlanmıştır. Çalışmamızda ilk olarak“Canadian Laboratory Initiative on Pediatric Reference Intervals”çalışması kapsamında direkt yöntemle elde edilen laboratuvar sonuçları kullanılarak, Gauss Karışım Modeli ve Hiyerarşik Kümeleme algoritmalarının kullanılabilirliği valide edildi. Daha sonra, 2018-2019-2020 yıllarında Dokuz Eylül Üniversitesi Merkez Laboratuvarında çalışılan, İnorganik Fosfor, Kalsiyum, Kreatinin, Neonatal Bilirubin ve Üre Azotu testlerinin yenidoğan dönemine ait sonuçları hastane veri tabanından alınarak, geliştirdiğimiz algoritma kullanılarak, ilgili testlere ait yaş kırılımları ve buna bağlı referans aralıkları hesaplandı. Geliştirdiğimiz denetimsiz makine öğrenme yönteminin referans aralıklarının belirlenmesinde indirekt yöntemlere yeni, çağdaş bir alternatif olduğu belirlendi. Çalışmamızda referans aralıklarının hesaplanmasında temel basamak olan yaş aralıklarını yüksek çözünürlükte belirleyebilen, matematiksel ve istatistiksel temellere dayanan, denetimsiz makine öğrenme algoritması çözümü sunulmuştur. Çalışmada geliştirilen algoritmik yöntemi kullanarak her laboratuvar kendi popülasyon ve analitik yöntemlerine uygun referans aralıklarını kolay, hızlı, güvenli ve ekonomik bir şekilde hesaplayabilecektir.
Özet (Çeviri)
Laboratory results are an important tool that provides objective data to help physicians in diagnosis and treatment processes. Results must be reported with reference ranges to be useful. Reference intervals should be determined separately according to demographic characteristics such as age and gender. It is aimed to determine reference intervals in an easy, fast, safe and economical way with machine learning algorithms. In our study, firstly, the usability of Gaussian Mixture Model and Hierarchical Clustering algorithms was validated by using the laboratory results obtained by the direct method within the scope of the“Canadian Laboratory Initiative on Pediatric Reference Intervals”study. Then, the results of the neonatal period of the Inorganic Phosphorus, Calcium, Creatinine, Neonatal Bilirubin and Urea Nitrogen tests, which were studied in the Central Laboratory of Dokuz Eylül University in 2018-2019-2020, were taken from the hospital database, and the age partitions of the relevant tests were obtained using the algorithm we developed. It was determined that the unsupervised machine learning method we developed is a new, modern alternative to indirect methods in determining reference intervals. In this study, an unsupervised machine learning algorithm solution based on mathematical and statistical foundations, which can determine the age ranges, which is the basic step in the calculation of reference intervals, with high resolution is presented. By using the algorithmic method developed in the study, each laboratory will be able to calculate reference intervals compatible with their own population and analytical methods in an easy, fast, safe and economical way.
Benzer Tezler
- Mobil cihaz sensörlerinden gelen PPG sinyallerini kullanarak kandaki glikoz seviyesinin ve böbrek yetmezliğinin makine öğrenmesi ile tahmini
Prediction of blood glucose level and kidney failure using PGG signals from mobile device sensors via machine learning
TAHA ELHARİRİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET REŞİT KAVSAOĞLU
DOÇ. DR. EFTAL ŞEHİRLİ
- Spastisitenin elektrofizyolojik ve kinezyolojik verilerle tespiti ve derecelendirilmesi
Diagnosis and grading of spasticity with electrophysiological and kinesiological data
YALÇIN ALBAYRAK
Doktora
Türkçe
2017
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÖKÇEN ÇETİNEL
YRD. DOÇ. DR. SÜLEYMAN BİLGİN
- Sefalometrik noktaların yapay zeka yöntemleri ile tespiti
Detection of cephalometric landmarks with artificial intelligence methods
BURAK CAN KOÇ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiMatematik ve Bilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. AHMET FARUK ASLAN
- Klinik ve radyolojik olarak akut akciğer emboli tanısı konulanhastalarda derin öğrenme algoritmalarının tanı başarısı
Clinically and radiologically diagnosed acute pulmonary embolismdiagnostic success of deep learning algorithms in patients
RABİA AYDIN
Tıpta Uzmanlık
Türkçe
2024
Göğüs Hastalıklarıİstanbul ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. MUSTAFA ERELEL
- Assessing and enhancing machine learning methods in ivf process: Predictive modeling of implantation and blastocyst development
Tüp bebek tedavi sürecinde yapay öğrenme yöntemleri: İmplantasyon ve blastosist gelişiminin kestirimci modellenmesi
ASLI UYAR ÖZKAYA
Doktora
İngilizce
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYŞE BENER