Prematüre yenidoğanlarda makina öğrenmesi tabanlı geç başlangıçlı sepsis ve nekrotizan enterokolit tanı modellerinin açıklanabilirlik ve itiraz edilebilirliği
Explainability and contestability of machine learning-based recognition models of late-onset sepsis and necrotising enterocolitis in preterm newborns
- Tez No: 820725
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZLEM UÇAR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 117
Özet
Geç başlangıçlı sepsis (GBS) ve nekrotizan enterokolit (NEK) hastalıkları prematüre yenidoğanlarda ölüme varabilecek risklere sebep olmaktadır. Semptomların belirsizliği, tanı için gereken kan testlerinin sonuçlanmalarının uzun sürmesi ve sonuçlarda karşılaşılan hatalar, tedavi süreçlerini olumsuz etkilemektedir. Yakın zamanda yapılmış demografik ve Elektrokardiyografi (EKG) verisi bazlı makine öğrenmesi çalışmalarında yüksek tanı performansları elde edilmiş olmakla birlikte, model hatalarının bebeklerde antibiyotik direnci veya tedavi süreçlerinin gecikmesi dolayısı ile ölüme varabilecek yüksek riskleri söz konusudur. Bu tez çalışmasında, hasta demografik bilgileri ve klinik izlemede daha yaygın olarak kullanılan Nabız Oksimetre (NO) verileri ile söz konusu hastalıkların tanıları için makine öğrenmesi modelleri geliştirilmiştir. Bu modellerin Açıklanabilir Yapay Zeka (XAI) ve İtiraz Edilebilirlik kavramları ile analiz edilmesi ile son kullanıcılar olan doktorların model hatalarını fark etmelerini sağlayacak bir metodoloji geliştirilmiştir. Bu çalışmada geliştirilen yaklaşım sayesinde tanı modelleri daha yaygın olarak kullanılabilecek ve hatalı kararların farkedilebilmeleri ile modellerin iyileştirilmesi mümkün olacak, böylece klinik olarak güvenilirlikleri artacaktır.
Özet (Çeviri)
Late-onset sepsis (LOS) and Necrotizing Enterocolitis (NEC) diseases have fatal risks for preterm infants. Due to subtle clinical symptoms, long-duration needs for blood test results, and inaccuracies in these tests, the treatment procedures are negatively affected. Although high diagnostic performances have been achieved in recent machine learning studies based on demographic and Electrocardiography (ECG) data, incorrect decisions of these models have risks of antibiotic resistance and mortality due to delay of treatment. In this thesis study, we trained machine learning models based on patient demographic information and Pulse Oximetry (PO) data more prevalently used in clinical monitoring. By analyzing these models with concepts of Explainable Artificial Intelligence (XAI) and contestability, we developed a methodology to support clinicians in identifying incorrect model decisions. Due to the approach developed in this study, diagnostic models will be used more prevalently, and by recognition of incorrect decisions, it will be possible to improve the models, thus their clinical reliabilities will increase.
Benzer Tezler
- Yenidoğan yoğun bakım ünitesinde tedavi gören prematüre yenidoğanların akciğer grafilerinden makine öğrenmesi yöntemiyle bronkopulmoner displazinin öngörülmesi
Başlık çevirisi yok
GÖZDE ÖZÇELİK
Tıpta Uzmanlık
Türkçe
2024
Göğüs HastalıklarıSağlık Bilimleri ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. SARA EROL
- Yenidoğan yoğun bakım ünitesinde santral kateter uygulamalarının retrospektif incelenmesi
Retrospective evaluation of central catheter applications in the neonatal intensive care unit
ELİF GÖKÇE ÜNAL
Tıpta Uzmanlık
Türkçe
2023
Çocuk Sağlığı ve HastalıklarıGazi ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. İBRAHİM MURAT HIRFANOĞLU
- Preterm yenidoğanlarda geç başlangıçlı sepsisin erken tanısında öngörü modeli
Prediction model for early diagnosis of late-onsetsepsis in preterm newborns
DAMLA SEYHANLI
Tıpta Uzmanlık
Türkçe
2021
Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri ÜniversitesiÇocuk Sağlığı ve Eğitimi Ana Bilim Dalı
PROF. DR. TÜLİN GÖKMEN YILDIRIM
- Yenidoğan yoğun bakım ünitesinde bakım sırasında anne ve baba sesinden ninni dinletmenin yenidoğanın konforu ve fiziksel parametrelerine etkisi
The effect of lullaby records sung by the parents during newborn care on newborn's comfort and physical parameters in newborn intensive care unit
DUYGU AKYÜZ
Yüksek Lisans
Türkçe
2019
Hemşirelikİstanbul Okan ÜniversitesiHemşirelik Ana Bilim Dalı
DOÇ. DR. GÜLZADE UYSAL
- Geç prematüre, erken term ve tam term bebeklerin risk faktörleri, morbidite ve mortalite değerlendirilmesi
Risk factors and morbidity in late preterm infants: a comparison with early term and full term infants
AYKUT EŞKİ
Tıpta Uzmanlık
Türkçe
2015
Çocuk Sağlığı ve HastalıklarıSağlık BakanlığıÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. AYŞEGÜL ZENCİROĞLU