A web-based disease prediction system using machine learning algorithms and PCA
Gelişmiş ön eğitimli cinsiyet tespit sistemi kullanarak derin öğrenme modeller
- Tez No: 831701
- Danışmanlar: DOÇ. ILHAM HUSEYINOV
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Web Teknolojisi, Gaussian Naive Bayes, Destek Vektör Makineleri, Rastgele Orman, PCA, Mod Tahmin, Web Technology, Gaussian Naive Bayes, Support Vector Machines, Random Forest, PCA, Mode Prediction
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka ve Veri Bilimi Bilim Dalı
- Sayfa Sayısı: 61
Özet
Bu proje, doğru hastalık teşhisini kolaylaştırmak ve kişiye özel ilaç önerileri sunmak için tasarlanmış, makine öğrenimine dayalı kapsamlı bir yaklaşım sunuyor. Bu projenin arkasındaki temel motivasyon, özellikle tıp profesyonellerine değerli yardımlar sağlayarak, onların kesin teşhislere etkili bir şekilde ulaşmalarını sağlamaktır. Hastalıkların teşhisi ve ilaç önerileri için makine öğrenimine dayalı bir yaklaşım sunar. Web teknolojisinin kullanılması sisteme her yerden, her zaman erişilebilmesini sağlamıştır. Hastalıkları tahmin etmek için Gaussian Naive Bayes, Destek Vektör Makineleri ve Rastgele Orman gibi sınıflandırıcılardan oluşan topluluk uygulandı. Ayrıca belirli bir hastalık türü için etkili semptomları bulmaya yönelik bir temel analiz yöntemi (PCA). Sistemin performansı, veri setine PCA uygulanmadan önce ve uygulandıktan sonra doğruluk, kesinlik, hatırlama ve F1-skor açısından değerlendirilmiş ve deney sonrasında öngörülen hastalığın doğruluğu ve güvenilirliğine ilişkin bir sonuca varılmıştır. Projenin bu yönü, sonuçların yorumlanabilirliğini artırarak tıp uzmanlarının önemli semptomlara odaklanmasına olanak tanıyor. Tıbbi teknoloji gelişmeye devam ettikçe, bu gibi projeler tıbbi uzmanlık ile teknolojik ilerlemeler arasındaki boşluğu doldurarak hasta sonuçlarının iyileştirilmesine neden oluyor.
Özet (Çeviri)
This project presents a comprehensive machine learning-based approach designed to facilitate accurate disease diagnosis and offer tailored medicine recommendations. The primary motivation behind this project is to provide valuable assistance, particularly to medical professionals, enabling them to reach precise diagnoses efficiently. It presents a machine learning-based approach to diagnose diseases, and medicine recommendations. Using web technology made the system accessible from any place, at any time. Ensemble of classifiers such as Gaussian Naive Bayes, Support Vector Machines, and Random Forest, was applied to predict the diseases. Also, a principal analysis method (PCA) to find influential symptoms for a certain type of disease. The performance of the system is evaluated before and after applying PCA to the dataset in terms of accuracy, precision, recall and F1- score, and then after experimentation a conclusion was made regarding accuracy and reliability of predicted disease. This facet of the project enhances the interpretability of results, allowing medical professionals to focus on pivotal symptoms. As medical technology continues to evolve, projects like these bridge the gap between medical expertise and technological advancements, resulting in enhanced patient outcomes.
Benzer Tezler
- Makine öğrenmesi teknikleri kullanılarak hasta öyküsü ve fiziki bulgulardan pnömoni prognoz öngörüsünün yapılması
Prediction of pneumonia prognosis with machine learning techniques from patient history and physical examination
AHMET FATİH DEVECİ
Yüksek Lisans
Türkçe
2022
Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri ÜniversitesiSağlık Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHSİN ZAHİD UĞUR
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Konak-patojen protein etkileşiminin hesaplamalı yöntemler ile tahmini
Prediction of host-pathogen protein interactions by computational methods
İRFAN KÖSESOY
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ
DOÇ. DR. MURAT GÖK
- Metabolism-oriented multiomics data integration
Farklı omı̇k verı̇lerı̇n metabolı̇zma odaklı entegrasyonu
AYCAN ŞAHİN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. ALİ ÇAKMAK
- Derin öğrenme modellerinin hücre veri seti üzerinde eğitilerek kıyaslanması ve mobil ortama uyarlanması
Comparision and mobile application of deep learning models trained on blood cell dataset
MEHMET YAVUZ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ZAHİD YILDIZ