Prediction of heart disease using a combination of machine learning and deep learning approaches
Başlık çevirisi mevcut değil.
- Tez No: 826184
- Danışmanlar: DOÇ. DR. OĞUZ ATA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 149
Özet
Bu yüksek lisans araştırmasının amacı, kalp sorunları olan hastalar ve koroner kalp sorunlarının daha hızlı ortaya çıkmasına neden olan faktörler hakkında tıbbi veritabanlarını verimli bir şekilde sınıflandırmak için akıllı Derin Öğrenme (DL) modellerinin aktif katkılarını ve hayati önemini bulmak ve incelemektir. Sayısal kodları desteklemek için Derin Öğrenme Modeli (DLM), destek vektör makinesi (SVM) ve K-en yakın Komşular (KNN) olmak üzere üç DL modeli kullanılmış, simülasyonlar ve matematiksel analizler yapılabilmiştir. Ayrıca, bu DL algoritmalarının kesinliğini, doğruluğunu ve F1-Skorunu kontrol etmek ve geri çağırmak için değerlendirme yöntemleri kullanıldı. Araştırma bulguları, bazı kalp sorunları olan hastalarda kalp hastalıklarını sınıflandırmak için bu algoritmaların DLM, SVM ve KNN modellerinin sırasıyla %85.29, %84.08 ve %84.00 doğruluk oranlarına ulaştığını ortaya koydu. SVM algoritmasının hesaplamalarını ve simülasyonlarını tamamlaması için yaklaşık 3,23 saniyeye ihtiyacı vardı. KNN yönteminin simülasyon ve hesaplamada ne kadar sürdüğüne gelince, yaklaşık 8,72 saniye olacaktır. Sigara, glikoz, kan basıncı, diyabet ve vücut kitle indeksi (VKİ), koroner kalp hastalığı ile ilişkili risklere yol açan faktörlerdir. Ayrıca, bu yenilikçi DL sistemlerini kullanmak, bu unsurlar ile kritik kalp sorunları arasındaki temel bağıntıları bulmaya yardımcı olabilir. Sonuçlara göre, DLM doğruluk açısından diğer DL sürecinden önemli ölçüde daha iyi performans göstermiştir.
Özet (Çeviri)
The goal in this master's research is aimed to find and study the active contributions and vital relevance of intelligent Deep Learning (DL) models to efficiently classify medical databases about patients with heart problems and factors that cause coronary heart problems to happen faster. There were three DL models used, including Deep Learning Model (DLM), support vector machine (SVM), and K-nearest Neighbors (KNN) in aditition to support of numerical codes, simulations and mathematical analysis could be done. Also, evaluation methods were used to check these DL algorithms' precision, accuracy, and F1-Score, and recall. Research findings unveiled that DLM, SVM, and KNN models achieved accuracy rates of these algorithms for classifying heart illness in patients with some heart issues were 85.29%, 84.08%, and 84.00%, respectively. The SVM algorithm needed about 3.23 seconds to complete its computations and simulations. As for how long the KNN method took to run in simulation and calculation, it would be about 8.72 seconds. Smoking, glucose, blood pressure, diabetes, and body mass index (BMI) are all factors leading to risks associated with coronary heart disease. Also, using those innovative DL systems may help find key correlations between these elements and critical heqart problems. According to the results, DLM significantly outperformed the other DL process in regards to accuracy.
Benzer Tezler
- Makine öğrenmesi ve öznitelik seçim yöntemleri ile kardiyovasküler hastalıkların tespiti
Prediction of cardiovascular diseases with machine learning and feature selection methods
ŞEYMA İZMİR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Ticaret ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA CEM KASAPBAŞI
- Heart disease prediction project
Kalp hastalıklarını önleme projesi
RUBA AYAD YOUSIF AL-SAMMARRAIE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN KOYUNCU
- Yapay zekâ tabanlı elektrokardiyografi sinyali ile kan basıncı tespiti
AI-based blood pressure detection with electrocardiography signal
DERYA KANDAZ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Gri kurt meta-sezgisel algoritması ve rastgele orman sınıflandırma algoritmalarını birleştirerek koroner kalp hastalığı tanısının doğruluğunun artırılması
Improving the accuracy of diagnosis of coronary heart disease by combining gray wolf meta-heuristic algorithm and random forest classification algorithms
MAYSA KHODAYVERDIAN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Medeniyet ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. NİHAT KABAOĞLU
- Prediyabetik bireylerin sol atriyum volüm ve fonksiyonlarının 3 boyutlu ekokardiyografi ile değerlendirilmesi ve Nt-proANP düzeyleri ile ilişkisinin araştırılması
Assessment of left atrial volume and functions in prediabetics by using 3 dimensional echocardiography and the relationship between levels of Nt-proANP
FERHAT EYYÜPKOCA
Tıpta Uzmanlık
Türkçe
2013
Kardiyolojiİnönü ÜniversitesiKardiyoloji Ana Bilim Dalı
DOÇ. DR. JÜLİDE YAĞMUR