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: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Uygulamalı İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
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
- Cancer subtyping and multi-omics analysis of common precursor B Acute Lymphoblastic Leukemias
B hücreli (Common Precursor B) akut lenfoblastik lösemilerin kanser alt tiplemesi ve çoklu omic analizi
BARAN ALKAN
Yüksek Lisans
İngilizce
2026
İstanbul Medeniyet ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
Yükleniyor...
- Yapay zeka ile entegre radyomik yaklaşım kullanılarak glial tümörlerde tanısal ve prognostik analizlerin yapılması
Diagnostic and prpgnostic analysis of glial tumors using an artificial intelligence-integrated radiomic approach
YUNUS EMRE SAĞLAM
Tıpta Uzmanlık
Türkçe
2026
Bezm-İ Alem Vakıf ÜniversitesiBeyin ve Sinir Cerrahisi Ana Bilim Dalı
Yükleniyor...
- 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
- Metastatik beyin tümörlerinin cerrahi tedavi sonuçları
Surgical treatment results of metastatic brain tumors
ALAEDDİN BAYRAK
Tıpta Uzmanlık
Türkçe
2023
İzmir Katip Çelebi ÜniversitesiBeyin ve Sinir Cerrahisi Ana Bilim Dalı
Yükleniyor...
- Histiyositik/dendritik hücreli neoplazilerde tümörmikroçevresi ve PD-L1 ekspresyonunun yapay zekâ desteklianalizi
Başlık çevirisi yok
CEREN UTKU