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: Kadın Hastalıkları ve Doğum, Çocuk Sağlığı ve Hastalıkları, Obstetrics and Gynecology, Child Health and Diseases
- Anahtar Kelimeler: Belirtilmemiş.
- 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: 49
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
- Makine öğrenmesi yaklaşımları ile fetal sağlık teşhisinin gerçekleştirilmesi
Realisation of fetal health diagnosis with machine learning approaches
ADEM KUZU
Yüksek Lisans
Türkçe
2024
Kadın Hastalıkları ve DoğumFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUNUS SANTUR
- Yenidoğan ve erken süt çocukluğu döneminde steroid hormon profilinin likit kromatografi tandem mass spektrometri yöntemi (LC-MS/MS) ile değerlendirilmesi ve referans aralıklarının belirlenmesi
Simultaneous profiling of steroid hormones using liquid chromatography tandem mass spectrometry (LC-MS/MS) in newborn and early infancy
ECE ÖGE
Tıpta Uzmanlık
Türkçe
2018
Çocuk Sağlığı ve HastalıklarıMarmara ÜniversitesiÇocuk Sağlığı ve Eğitimi Ana Bilim Dalı
PROF. DR. TÜLAY GÜRAN
- Erken gebelik döneminde obstetrik ultrasonografi ve uterin arter doppler sonografik incelemenin gebelik prognozunu tahmin etmedeki etkinliği
The effectiveness of obstetric ultrasonography and uterine artery doppler in predicting the early pregnancy outcome
HAKAN SADE
Tıpta Uzmanlık
Türkçe
2006
Kadın Hastalıkları ve DoğumZonguldak Karaelmas ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
Y.DOÇ.DR. AYKUT BARUT
- Kardiyotokografi işaretlerinin analizi ve makine öğrenmesi teknikleri ile sınıflandırılması
Analysis of cardiotocography signals and classifying with machine learning techniques
ZAFER CÖMERT
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ADNAN FATİH KOCAMAZ
- Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease
Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi
İNANÇ MORAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR