Geri Dön

Prediction of COVİD-19 with machine learning algorithms using blood test data

Kan test verilerini kullanarak makine öğrenme algoritmaları ile COVİD-19 tahmini

  1. Tez No: 812821
  2. Yazar: SOHEILA ABBASI HABASHI
  3. Danışmanlar: prof. Dr. MURAT KOYUNCU
  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: 2023
  8. Dil: İngilizce
  9. Üniversite: Atılım Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 127

Özet

Tehlikeli COVID-19 hastalığı, çok sayıda insanın hayatına doğrudan zarar verdi. RT-PCR testi, X-Ray ve bilgisayarlı tomografi (BT) ile COVID-19 tespiti, uzun geri dönüş süreleri, yanlış negatif oranları (%15-20), pahalı ekipman ve kalifiye personel gibi bazı dezavantajlara sahiptir. Hastalık bulaşma oranı çok yüksek olduğundan, özellikle yoksun bölgelerde enfeksiyon riskini azaltan COVID-19 hastalarını belirlemek için kan testi gibi daha hızlı, kesin ve uygun maliyetli bir yol gereklidir. Çalışmanın amacı, COVID-19 pozitifini ekonomik ve hızlı bir şekilde belirlemek için makine öğrenimi ve kan testleri kullanarak klinisyenlere yardımcı olabililecek doğru ve kesin bir yaklaşım sunmaktır. Ayrıca bu çalışma ileride başka hastalıkların teşhisinde de yardımcı olabilir. Kan testi veri seti, 5644 örnek içeren Sao Paulo Brezilya'daki İsrailli Albert Einstein Hastanesi'nden alınmıştır. COVID-19 tahmin yöntemi, sekiz farklı makine öğrenimi modelinin dayanmaktadır. Bu çalışmada üç strateji oluşturulmuştur. İlk olarak, geliştirilen modeller herhangi bir öznitelik seçme algoritması kullanılmadan eğitilmiştir. İkinci olarak, aynı modeller Gri Kurt Optimizasyonu (GWO) özellik seçimi kullanılarak test edilmiştir. Üçüncüsünde ise özellik seçimi için GWO yerine Pearson Korelasyonu kullanılmıştır. Model performanslarını değerlendirmek için doğruluk, duyarlılık, özgüllük ve AUC kullanıldı. Sırasıyla %98,82, %97,83 ve %100 doğruluk, duyarlık ve özgüllük ile SVM en iyi sonuçları gösterdi. Bu çalışmanın katkısı olan GWO öznitelik seçimini kullanan algoritmaların performans metrikleri önemli bir iyileşme göstermiştir.

Özet (Çeviri)

The dangerous COVID-19 illness has directly harmed numerous people's lives. COVID-19 detection with RT-PCR test, X-Ray, and computed tomography (CT) has some drawbacks such as long turnaround times, false-negative rates (15-20%), pricey equipment, and qualified staff. Since the disease transmission rate is very high, a quicker, precise, and affordable way like a blood test is required to identify COVID-19 patients which reduces the risk of infection, especially in deprived areas. This study aims to present an accurate and precise approach, which can assist clinicians, by using machine learning and blood tests to affordably and quickly identify COVID-19 positives. Also, this study may help in the diagnosis of other diseases in the future. The blood test dataset is from the Hospital Israelita Albert Einstein in Sao Paulo Brazil, which is including 5644 samples. The COVID-19 prediction method is based on eight different ML models. Three strategies are established in this study. First, the developed models are trained without using a feature selection algorithm. Second, the same models are tested using the Grey Wolf Optimization (GWO) feature selection. Third, instead of GWO, Pearson Correlation is used for feature selection. Accuracy, sensitivity, specificity, and AUC are used to evaluate the model performances. With accuracy, sensitivity, and specificity of 98.82%, 97.83%, and 100%, respectively, the SVM shows the best results. The performance metrics of the developed algorithms using the GWO feature selection show a significant improvement, which is the main contribution of this study.

Benzer Tezler

  1. Kan değerleri ile covıd-19 enfekte düzeyinin rassal orman sınıflandırıcı ile tahmin edilmesi

    Prediction of covid-19 infection level by blood samples with random forest classifier

    ELİF CEREN GÖK

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ONUR OLGUN

  2. Yapay zeka teknikleri ile COVID-19 hastalık tahmini

    COVID-19 disease prediction with artificial intelligence techniques

    ABDULLAH TÜRKER TOKU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FERHAT ATASOY

  3. Türkiye'de COVID-19 günlük vaka sayısının makine öğrenmesi algoritmaları ile tahmin edilmesi

    Prediction COVID-19 cases per day with machine learning algorithms in Turkey

    ERTÜRK SÜTCÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ PERİ GÜNEŞ

  4. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  5. Medical dataset classification based on different deep learning techniques and meta-heuristic algorithms

    Farklı derin öğrenme teknikleri ve meta-sezgisel algoritmalara dayalı tıbbi veri kümesi sınıflandırması

    YEZI ALI KADHIM

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiAtılım Üniversitesi

    Mühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı

    PROF. DR. ALOK MISHRA

    PROF. DR. REŞAT ÖZGÜR DORUK