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: 232
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
- Sağlık alanında yapay zeka uygulamaları: kalp krizi risk tahmini
Artificial intelligence applications in health: heart attack risk prediction
SAFİYE ÇİĞDEM BİÇER
Yüksek Lisans
Türkçe
2025
Mekatronik MühendisliğiOSTİM TEKNİK ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAYAN ABRİ
DR. ÖĞR. ÜYESİ ZAFER AYAZ
DR. ÖĞR. ÜYESİ YÜCEL TEKİN
- Bitki analizleri için IOT tabanlı veri seti yönetim sistemi geliştirilmesi
Development of an IOT-based data set management system for plant analysis
MEHMET EMRE DEMİRBÜK
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELÇUK COŞKUN
PROF. DR. İHSAN PEHLİVAN
DR. ÖĞR. ÜYESİ MUSTAFA YILMAZ
- Kronik inflamatuvar demiyelinizan polinöropati (CIDP) hastalığının teşhisinde makine öğrenme algoritmaları kullanılarak karar destek sistemi oluşturma
Developing a decision support system for the diagnosis of chronic inflammatory demyelinating polyneuropathy (CIDP) using machine learning algorithms
HÜSEYİN AKBUDAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBiyomedikal Ana Bilim Dalı
DOÇ. DR. MUHAMMET SERDAR BAŞÇIL
- Derin öğrenme yöntemleri kullanarak kardiyovasküler hastalıkların tahmini ve yorumlanması
Prediction and interpretation of cardiovascular diseases using deep learning methods
ALİ VIRIT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKahramanmaraş Sütçü İmam ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ ÖTER
- Pes planus deformitesinin tespiti için kalkaneal eğim açısının otomatik hesaplanması
The automatic calculation of calcaneal pitch angle for detection of pes planus deformity
TOLGA ÇİT
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA YILMAZ