Geri Dön

Makine öğrenmesi ile covid-19 teşhisi

Covid-19 diagnosis with machine learning

  1. Tez No: 828471
  2. Yazar: BÜŞRA ÇAKI
  3. Danışmanlar: PROF. DR. NAKİFE YASEMİN TOPALOĞLU, DR. ÖĞR. ÜYESİ AHMET EGESOY
  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: Türkçe
  9. Üniversite: Ege 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: 93

Özet

Bu tezde, makine öğrenmesi algoritmaları ile Covid-19 teşhisinde kullanılan algoritmaların performanslarının karşılaştırması ve analizinde kullanılan yöntemler ele alınmıştır. Algoritmaları karşılaştırmak için doğruluk, f1 puanı, duyarlılık, geri çağırma ve eğri altında kalan alan değerlendirme metrikleri kullanılmıştır. Makine öğrenme algoritmaları karşılaştırıldığında lojistik regresyon 0,89 eğri altında kalan alan ile Covid-19 teşhisinde en başarılı algoritma olarak görülmektedir. Karşılaştırma kriterlerine bakıldığında naif bayes algoritmasında en düşük yanlış negatif oranı gözlemlenmiştir. Hastalık gibi problemleri ele alırken makine öğrenme algoritmalarının değerlendirmesinde farklı bir performans değerlendirme kriterinin eklenmesine ihtiyaç duyulmuştur. Algoritmaların karşılaştırılmasında maliyet fonksiyonunu da içeren teşhis etiği ölçümü (TEÖ) önerilmiştir. Teşhis etiği ölçümüne göre en başarılı algoritma rastgele orman algoritması olmuştur. Algoritmanın başarısında veri setinin dengeli olması etkilidir. Veri seti dengelendiğinde rastgele orman algoritmasının alıcı işlem karakteristik eğrisi altında kalan alan 0,85'ten 0,96'ya yükselmiştir. Algoritmaların performansını artırmak için topluluk öğrenme algoritmalarından biri olan yığınlama algoritması kullanılmıştır. Yığınlama algoritması ile performansın arttığı görülmüştür. Çalışmada makine öğrenmesi algoritmalarının performansları ve uygulanan yöntemlerin algoritma başarısına etkisi incelenmiştir.

Özet (Çeviri)

In this thesis, the methods used to compare and analyze the performances of machine learning algorithms and algorithms used in Covid-19 diagnosis are discussed. Accuracy, f1 score, sensitivity, recall, and area under the curve evaluation metrics were used to compare the algorithms. When machine learning algorithms are compared, logistic regression is seen as the most successful algorithm in Covid-19 diagnosis with 0.89 area under the curve. Looking at the comparison criteria, the lowest false negative rate was observed in the naive bayes algorithm. There was a need to add a different performance evaluation criterion in the evaluation of machine learning algorithms when dealing with problems such as disease. Diagnostic ethics measurement (DEM), including cost function, has been proposed for the comparison of algorithms. According to the diagnostic ethics measurement, the most successful algorithm was the random forest algorithm. The balancedness of the data set is effective in the success of the algorithm. When the data set was balanced, the area under the receiver operation characteristic curve of the random forest algorithm increased from 0.85 to 0.96. To improve the performance of the algorithms, the stacking algorithm, which is one of the ensemble learning algorithms, has been used. It has been observed that the performance has increased with the stacking algorithm. In the study, the performances of machine learning algorithms and the effect of the applied methods on the success of the algorithm were examined.

Benzer Tezler

  1. Bilgisayarlı tomografi görüntülerinden derin öğrenme ve makine öğrenmesi ile COVID-19 hastalığının teşhisi

    Deep learning from computerized tomography imagesand diagnosis of COVID-19 with machine learning

    GÖZDE KAHRAMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZAFER CİVELEK

  2. 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

  3. Classification of COVID-19 from different computed tomography image datasets with machine learning and deep learning methods

    Farklı bilgisayarlı tomografi görüntü veri kümelerinden makine öğrenme ve derin öğrenme yöntemleriyle COVID-19 sınıflandırılması

    FARID FUAD AL-HAJJ SAIF AL-AREQI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ZEKİ KONYAR

  4. Yapay zekâ-tabanlı hibrit anomali tespit ve klinik karar destek teknikleri ile kardiyovasküler hastalıkların ve COVİD-19'un otomatik tespiti

    Artificial intelligence-based hybrid anomaly detection and clinical decision support techniques for automated detection of cardiovascular diseases and COVİD-19

    MERVE BEGÜM TERZİ

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN ARIKAN

  5. Makine öğrenmesi algoritmaları ile COVID-19 hastalarının belirlenmesi

    Identifying COVID-19 patients with machine learning algorithms

    MİNE AYAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri MühendisliğiPamukkale Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZCAN MUTLU