Sağkalım analizinde COX regresyon ve yapay sinir ağları kullanımı
The using of COX regression and artificial neural networks in the survival analysis
- Tez No: 850225
- Danışmanlar: PROF. DR. SEVİL ŞENTÜRK
- Tez Türü: Doktora
- Konular: Biyoistatistik, İstatistik, Biostatistics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Uygulamalı İstatistik Bilim Dalı
- Sayfa Sayısı: 90
Özet
Sağkalım analizinde en yaygın kullanılan regresyon modeli Cox Regresyon Modelidir. Bu çalışmada, sağkalım analizinde cox regresyon modeli ve yapay sinir ağları modelleri kullanılarak Lösemi hastalarına ait veriler analiz edilmiştir. Çalışmada Yemen Cumhuriyeti'ndeki 2017 yılı Ocak ayı ve 2022 yılı Şubat ayı arasında 1168 Lösemi hastasına ait bilgiler kullanılmıştır. Bu tezin amacı, en yaygın hastalıklardan biri olan kanser hastalığı ile başa çıkmada Yemen Cumhuriyeti'ndeki lösemi hastalarının sağkalım sürelerini etkileyen en önemli faktörleri (risk faktörleri) belirlemektedir. Ayrıca, sağkalım analizinde Yapay Sinir Ağlarını kullanmak ve Yapay Sinir Ağları modeli ile Cox Regresyon Modeli arasındaki performans göstergelerini karşılaştırmaktır. Söz konusu amaçla Cox Regresyon Modeli ve Yapay Sinir Ağları modelleri sağkalım verilerinin analizinde kullanılmıştır. Önerilen Cox modellerinden en iyi model seçilmiş ve ardından aynı veriler yapay sinir ağları kullanılarak analiz edilip modellerden en iyi olanı da seçilmiştir. Cox regresyon modeli sonuçları ile yapay sinir ağlarının kullanımından elde edilen sonuçlar arasında karşılaştırma yapılmıştır. İki yöntem arasındaki karşılaştırma, Hata Kareler Ortalaması (MSE) ve Ortalama mutlak hata (MAE) kriterlerine göre gerçekleştirilmiştir. Cox regresyon modellerinden en iyi model ve yapay sinir ağı modellerinden en iyi model seçilip karşılaştırdıktan sonra yapay sinir ağları modelinin, daha önce belirtilen kriterlere göre sağkalım verilerini analiz etmekte Cox regresyon modelinden daha iyi performans gösterdiği soncuna varılmıştır.
Özet (Çeviri)
The Cox Regression Model is the most commonly used regression model in survival analysis. In this study, Cox regression and artificial neural networks were introduced for survival analysis, and these models were exemplified using data from 1168 leukemia patients in the Republic of Yemen between January 2017 and February 2022. The aim of this study is to identify the most significant factors (risk factors) influencing the survival times of leukemia patients in the Republic of Yemen, dealing with one of the most common diseases (cancer). Additionally, the study compares the performance indicators between the Artificial Neural Networks model and the Cox Regression model in survival analysis. To achieve this analysis, the Cox regression model was used as a classic method in analyzing survival data in addition to artificial neural network as a modern method. The best model was chosen from the proposed Cox models and then the same data was analyzed using artificial neural networks. A comparison was made between the results of the Cox regression model and the results obtained from the use of artificial neural networks. The comparison between the two methods was carried out according to the criteria of the least mean squared error (MSE) and the mean absolute error (MAE). After selecting the best model from Cox regression models and the best model from the artificial neural network models and comparing them, the artificial neural networks outperformed the Cox regression model in analyzing survival data according to the previously mentioned criteria.
Benzer Tezler
- Çok boyutlu sağkalım verilerinde denetimli temel bileşenler analizine alternatif bir boyut indirgeme yaklaşımı
An alternative dimension reduction approach to supervised principal components analysis in high dimensional survival data
ELVAN AKTÜRK HAYAT
Doktora
Türkçe
2012
BiyoistatistikEge Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MEVLÜT TÜRE
PROF. DR. ŞANSLI ŞENOL
- Böbrek tümörlerinde, karyoferin alfa 2 ve steroid reseptör koaktivatör-3 ekspresyonu
Expression of karyopherin alpha 2 and steroid receptor coactivator 3 in renal tumors
SÜMEYYE NUR TATAROĞLU
Tıpta Uzmanlık
Türkçe
2021
PatolojiSelçuk ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
PROF. DR. NEVZAT SERDAR UĞRAŞ
- Mide kanserinde yapay zekâ yaklaşımı ile sağkalım analizi
Survival analysis with artificial intelligence approach in gastric cancer
ALİ GÜNER
Doktora
Türkçe
2023
BiyoistatistikKaradeniz Teknik ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURÇİN KURT
- Meme kanserli hastalarda Flor-18 florodeoksiglukoz pozitron emisyon tomografisi/bilgisayarlı tomografisinin radyomiks analizinin neoadjuvan kemoterapi yanıtını öngörü değeri
Predictive value of radiomics analysis of Flor-18 flurodeoxyglucose positron emission tomography/computed tomography in response to neoadjuvant chemotherapy in breast cancer patients
DİLEK ALGUR
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpErciyes ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF. DR. AHMET TUTUŞ
- Lutesyum-177 prostat spesifik membran antijeni ile tedavi edilen metastatik kastrasyona dirençli prostat kanserli hastalarda tedavi öncesi yapılan galyum-68 prostat spesifik membran antijeni pozitron emisyon tomografisi/bilgisayarlı tomografisinin radyomiks analizinin tedavi yanıtını ve prognozu öngörme gücü
Predictive power of radiomics analysis of pretreatment ga-68 PSMA pet/ct in patients with metastatic castration-resistant prostate cancer treated with lu-177 PSMA for treatment response and prognosis
EMRE TEMİZER
Tıpta Uzmanlık
Türkçe
2024
OnkolojiErciyes ÜniversitesiNükleer Tıp Ana Bilim Dalı
DOÇ. DR. ÜMMÜHAN ABDÜLREZZAK