Prediction and interpretation of fetal health status in the womb with machine learning method using tocogram data
Anne karnındaki fetüs sağlık durumunun tokogram verileri kullanılarak makine öğrenmesi metoduyla tahmini ve yorumlanması
- Tez No: 826683
- Danışmanlar: PROF. DR. ASIM EGEMEN YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Çocuk Sağlığı ve Hastalıkları, Kadın Hastalıkları ve Doğum, Child Health and Diseases, Obstetrics and Gynecology
- Anahtar Kelimeler: Ana-çocuk sağlığı, Maternal-child health
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, çeşitli makine öğrenmesi algoritmalarının fetal sağlık durumunu tahmin etme performansını değerlendirmek için halka açık olarak kullanılabilen kardiyotokogram verilerini içeren fetal sağlık veri setini kullanmıştır. Algoritmalar Python ve PyCaret kütüphanesi ile uygulandı ve hedef değişkenin dengesiz dağılımını telafi etmek için SMOTE (Sentetik Azınlık Aşırı Örnekleme Tekniği) kullanıldı. Özellikle“Light Gradient Boosting Machine”algoritması en yüksek doğruluk ve F1 skoru yanısıra, farklı sınıflandırma hatalarının farklı şiddetlerini dikkate alan ceza puanı sistemimize göre de en düşük ciddi sınıflandırma hatasına skorlarına sahipti. Bu çalışma makine öğrenme algoritmalarının fetal sağlık durumunu doğru bir şekilde tahmin etme ve klinik karar verme süreçlerini geliştirme potansiyelini göstermiştir. Daha çeşitli ve daha büyük veri kümelerinde modellerin doğrulanması önerilmektedir. Bu çalışmada aynı zamanda PyCaret gibi kullanıcı dostu kütüphanelerin faydasını göstererek, kliniklerin daha az çaba harcayarak kendi makine öğrenme modellerini oluşturabileceklerini vurgulamıştır.
Özet (Çeviri)
This study utilized the publicly available fetal health dataset containing cardiotocogram data to evaluate the performance of various machine learning algorithms for predicting the status of fetal health. The algorithms were implemented with Python and the PyCaret library, and Synthetic Minority Over-sampling Technique (called SMOTE) used for countering the imbalanced distribution of the target variable. Notably, the Light Gradient Boosting Machine exhibited the highest accuracy and F1 score, as well as the lowest severity of misclassifications according to our penalty score system that considered the differing severities of misclassification errors. The study demonstrated the potential of machine learning algorithms to accurately predict fetal health and enhance clinical decision making processes. Validation of the models on more diverse and larger datasets is recommended. The study also showcased the utility of user friendly libraries like PyCaret, highlighting how clinics could potentially build their own machine learning models with lesser effort.
Benzer Tezler
- Dokuma kumaşlarda örgü tipinin ham kumaşın boyutları ve geometrik özellikleri üzerindeki etkilerinin araştırılması
Başlık çevirisi yok
EMEL ÖNDER
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR BAŞER
- Studies on the cuttability of rocks at O.A.L. Çayırhan district by laboratory cutting tests
Başlık çevirisi yok
KÜRŞAD CEYLAN
Yüksek Lisans
İngilizce
1987
Maden Mühendisliği ve MadencilikOrta Doğu Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
DOÇ. DR. NACİ BÖLÜKBAŞI
- Havuçların haşlanmasında difüzyonun modellenmesi
Başlık çevirisi yok
FİGEN KAYMAK
Yüksek Lisans
Türkçe
1986
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. SUZAN KINCAL
- Arpada diallel melez analizleri ile bazı tarımsal özelliklerin kalıtımı üzerinde araştırmalar
Başlık çevirisi yok
KAYIHAN Z. KORKUT
Doktora
Türkçe
1981
ZiraatEge ÜniversitesiBitki Islahı ve Genetik Ana Bilim Dalı
PROF. DR. İBRAHİM DEMİR
- Ankara Üniversitesi'nde spor yapan öğrencilerin beslenme durumları ve fiziki performansları üzerinde bir araştırma
A Research on the nutritional status and physical performance of the students who were active in sports at the University of Ankara
BÜLENT ASMA