Geri Dön

Heart attack prediction using machine learning

Makine öğrenme kullanarak kalp kriz tahmin

  1. Tez No: 833575
  2. Yazar: EBRIMA JALLOW
  3. Danışmanlar: PROF. DR. ERGUN ERÇELEBİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 67

Özet

Dünya Sağlık Örgütü (DSÖ) 2020 raporuna göre, her yıl 17.9 milyondan fazla insan kalp krizinden hayatını kaybetmektedir, bu da onu dünyadaki en ölümcül hastalıklardan biri yapmaktadır; ayrıca kalp krizi, dünya genelinde birçok insanın hayatını etkileyen kardiyovasküler hastalık olarak nitelendirilmektedir. Makine öğrenimi, sağlık endüstrisi için hayati öneme sahip olup bilimsel gelişmelerle birlikte insanların yaşam kalitesini artırmaktadır. Bu tezde, makine öğrenimi algoritmaları kullanılarak kalp krizinin tahminine yönelik çalışmalar yapılmıştır. Çalışmalarda kullanılan veriler UCI Makine Öğrenme veri tabanından alınmıştır. Literatürde bilinen beş makine öğrenimi modeli kullanılarak kalp krizinin tahminine yönelik yapılmıştır. Ayrıca tezde, kalp krizinin tahminine yönelik veri ön işleme, hiperparametre ayarlama ve Logistic regresyonun bütünleşmesinden oluşan kavramsal yeni bir model önerilmiştir. Önerilen model üzerinde yapılan testler tatmin edici sonuçlar üretmiş ve %93'lük doğruluk sonucuna ulaşılmıştır. İlaveten önerilen modelin ürettiği sonuçlar diğer makine öğrenmesi algoritmalarının sonuçları ile karşılaştırılmış ve önerilen modelin diğer algoritmalardan daha iyi sonuçlar ürettiği gösterilmiştir.

Özet (Çeviri)

According to the World Health Organization (WHO) 2020 report, more than 17.9 million people lose their lives due to heart attacks each year, making it one of the deadliest diseases worldwide; furthermore, heart attack is classified as a cardiovascular disease that affects the lives of many people globally. Machine learning, vital to the healthcare industry, enhances people's quality of life along with scientific advancements. In this thesis, studies on predicting heart attacks using machine learning algorithms were conducted. The data used in the studies were obtained from the UCI Machine Learning database. The prediction of heart attacks was carried out using five well-known machine learning models mentioned in the literature. Additionally, a new conceptual model integrating data preprocessing, hyperparameter tuning, and Logistic Regression was proposed for predicting heart attacks in this thesis. Tests conducted on the proposed model yielded satisfactory results, achieving an accuracy rate of 93%. Furthermore, the results produced by the proposed model were compared with the outcomes of other machine learning algorithms, demonstrating that the proposed model outperforms other algorithms.

Benzer Tezler

  1. Yapay zeka yöntemleri kullanılarak st segment yükselmeli miyokart infarktüslü hastaların ölüm risk analizi ve tahmini

    Death risk analysis and prediction of patients with st-segment elevated myocardial infarction using artificial intelligence methods

    BAHAR ÖZYILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Acil TıpBatman Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULKERİM ÖZTEKİN

  2. Heart disease prediction project

    Kalp hastalıklarını önleme projesi

    RUBA AYAD YOUSIF AL-SAMMARRAIE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAKAN KOYUNCU

  3. Kalp krizi karar destek sistemi

    Heart attack decision support system

    İLKNUR BUÇAN KIRKBİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    BiyoistatistikKaradeniz Teknik Üniversitesi

    Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı

    YRD. DOÇ. DR. BURÇİN KURT

  4. Fotopletismografi sinyal ile manşetsiz giyilebilir kan basıncı tahmin sistemi

    Cuff-less wearable blood pressure estimation system with photoplethysmography signal

    HÜSEYİN MURAT KOPARIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiTekirdağ Namık Kemal Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZKAN ARSLAN

  5. Normalize edilmiş kalp hızı değişkenliği analizi ile paroksismal atriyal fibrilasyon tespiti

    Detection of paroxismal atrial fibrilation with normalized heart rate variability analysis

    MURAT SÜRÜCÜ

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce Üniversitesi

    Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. RESUL KARA

    DOÇ. DR. YALÇIN İŞLER