Artificial intelligence applications in early diagnosis of sepsis disease
Sepsis hastalığının erken tanısında yapay zeka uygulamaları
- Tez No: 840942
- Danışmanlar: PROF. DR. EBRU SEZER, PROF. DR. HAYRİ SEVER
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sepsis, tüm dünyada yoğun bakım ünitelerinde ölümün başlıca nedenlerinden biridir. Erken tanı ve tedavi, hasta sağkalımını iyileştirmek ve organ disfonksiyonunu azaltmak için hayati öneme sahiptir. Sepsis araştırmalarını, bilgisayar bilimlerindeki ilerlemelerle birleştirmek, risk altındaki hastaları belirlemek için öngörücü modeller oluşturmaktadır. Bu sayede daha erken müdahale ve daha iyi sonuçlar sağlanmaktadır. Çalışma kapsamında önerilen bağlantılı model, çalışmanın bağlamı içinde hasta yaş gruplarına (bebek, yaşlı ve her yaş) göre makine öğrenimi algoritmalarını değerlendirmek için kullanılmıştır. Zamanla bağlı değişiklik gösteren hastalık durumlarında, hastanın önceki durumlarının dikkate alınıldığı bağlantılı model, sadece mevcut duruma odaklanan bağlantısız modellerle karşılaştırılmıştır. Çeşitli hasta kohortları için oluşturulan bağlantılı Çok Katmanlı Algılayıcı (MLP), Uzun Kısa Vadeli Hafıza (LSTM), Evrişimli Sinir Ağı (CNN), Rastgele Orman (RF) ve Aşırı Gradyan Artırma (XGBoost) makine öğrenme modelleri, sepsisin daha kısa sürede tahmin edilmesi yeteneğini iyileştirmiştir. Önerilen modelin analizine göre, sepsis bebek hasta kohortunda 4. saatte ve yaşlı ile tüm yaş hasta kohortlarında 3. saatte öngörülebilmektedir.
Özet (Çeviri)
Sepsis is a major cause of death in intensive care units worldwide. Early diagnosis and treatment are crucial for improving patient survival and reducing organ dysfunction. Combining sepsis research and computer science advances creates predictive models for identifying patients at risk, enabling earlier intervention and better outcomes. The connected model, proposed one was used to evaluate machine learning algorithms across patient age cohorts (infant, elder, and all age) within the context of the study. The connected model, which is thought to consider the possibility of the patient's previous condition and/or conditions, in situations like illness that spreads over time, was compared with the non-connected model, which is thought to depend only on the current situation. The connected Multi-Layer Perceptron (MLP), Long Short-Term Memory (LSTM), Convolution Neural Network (CNN), Random Forest (RF), and Extreme Gradient Boosting (XGBoost) machine learning models created for various patient cohorts improved the study's ability to predict sepsis in a shorter amount of time. According to analysis of pro-posed model, sepsis can be predicted in the infant patient cohort at 4th hour and in the elder and all age patient cohorts at 3rd hour.
Benzer Tezler
- Expert system design by using artificial intelligence techniques for the diagnosis of liver disorders
Karaciğer hastalığının tanısı için yapay zeka teknikleri ile uzman sistem tasarımı
NACİYE MÜLAYİM
Yüksek Lisans
İngilizce
2016
Bilim ve Teknolojiİzmir Katip Çelebi ÜniversitesiBiyomedikal Teknolojiler Ana Bilim Dalı
DOÇ. DR. AYŞEGÜL ALAYBEYOĞLU YILMAZ
- Acil tıpta yapay zekâda neredeyiz ve neler yapabiliriz?
Where are we in emergency medicine applications of artificial intelligence, and what can we do?
MEHMET ALİ ÇALIŞKAN
- Yapay zeka kullanılarak klinik tanının öngörülmesinde biyokimyasal test sonuçlarının rolünün araştırılması
Investigation of the role of biochemical test results in prediction of clinical diagnosis using artificial intelligence
YUSUF YEŞİL
Tıpta Uzmanlık
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. EVİN ADEMOĞLU
DOÇ. DR. ALPAY MEDETALİBEYOĞLU
- İdrar yolu enfeksiyonu geçiren çocuklarda başvuru şikayetlerinin yapay zeka verisi olma yeterliliğinin değerlendirilmesi
Evaluation of the sufficiency of presenting complaints to be artificial intelligence data in children with urinary tract infection
ZEHRA BURCU YILMAZ
Tıpta Uzmanlık
Türkçe
2022
Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. NİDA DİNÇEL
- Yeniliklerin yayılması teorisi kapsamında sağlık çalışanlarının yapay zekâ destekli tanı sistemlerini değerlendirmeleri: HIMSS EMRAM sertifikalı dijital hastaneler örneği
Evaluation of artificial intelligence-supported diagnosis systems by health care professionals within the scope of diffusion of innovations theory: The example of HIMSS EMRAM certified digital hospitals
FIRAT SEYHAN
Doktora
Türkçe
2024
HastanelerAnkara Hacı Bayram Veli ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
PROF. DR. SEZER KORKMAZ