Derin öğrenme ile diyabet hastalığı riskinin tahmin edilmesi üzerine yapılmış çalışmalar
Predicting the risk of diabetes with deep learning studies conducted on networks
- Tez No: 858817
- Danışmanlar: DR. ÖĞR. ÜYESİ NESİBE MANAV MUTLU
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İSTANBUL NİŞANTAŞI ÜNİVERSİTESİ
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: 109
Özet
Derin öğrenme, tıp alanında son yıllarda büyük bir ilgi çekmiştir ve bu ilgi, diyabet hastalığının teşhisi ve yönetiminde potansiyel bir devrim yaratma fırsatı sunmaktadır. Diyabet, dünya genelinde büyük bir sağlık sorunudur ve uygun tedavi yöntemleri, erken teşhis hastaların yaşam kalitesini önemli şekilde artırabilir. Diyabet teşhis ve tedavisinde derin öğrenmenin büyük miktarda veriyi işlemesi ve karmaşık desenleri tespit etme yeteneği insanlara bu konuda yardımcı olacaktır. Kan şekeri seviyeleri, insülin kullanımı, beslenme alışkanlıkları ve genetik faktörler gibi çeşitli faktörleri diyabet teşhisi için veri türleri arasında kullanarak diyabet hastalığını daha kontrol edilebilir hale getirilmesi hedeflenmektedir. Verileri derin öğrenme modeliyle analiz ederek hastalık riskini belirlenip kişilere özel tedavi yöntemleri uygulanılması amaç edinilmiştir. Derin öğrenme karmaşık ilişkileri belirleme yeteneğiyle verileri analiz ederken diyabet risk faktörlerini tanımlayabilir ve diyabet riskini tahmin edebilir. Bu sayede hastalığın erken teşhis edilmesine, uygun tedavi planlarının oluşturulmasına ve daha etkili şekilde yönetilmesine yardımcı olunabilir. Derin öğrenme modellerini doğru şekilde eğiterek bu alandaki başarıyı artırarak diyabetli bireylerin daha konforlu hayat yaşamaları sağlanılabilir. Bu araştırma bu alandaki mevcut araştırmaları ve uygulamaların Scopus ve WOS indekslerinde ilgili anahtar kelimelerle aranıp bibliyografik analizle incelenmesine dayanmaktadır. Bu sayede derin öğrenme ile diyabet teşhisi üzerine yapılmış çalışmaların kapsamlı bir araştırması yapılmıştır. Elde edilen bulgular yorumlanarak bazı çıkarımlar yapılmıştır. Sonuç olarak diyabetle mücadelede derin öğrenmenin kullanılması hastalar için umut vadeden bir gelişme olmaktadır. Gelişen teknolojiyle birlikte derin öğrenme aracılığıyla sağlık hizmetlerinde büyük potansiyele sahip çalışmalar yapılabilir. Bu çalışma bu çalışmalara bibliyografik bir bakış kazandırmaktadır.
Özet (Çeviri)
Deep learning has attracted great interest in the medical field in recent years, offering the opportunity to potentially revolutionize the diagnosis and management of diabetes. Diabetes is a major health problem worldwide, and appropriate treatment methods and early diagnosis can significantly improve patients' quality of life. Deep learning's ability to process large amounts of data and detect complex patterns will help people in diagnosing and treating diabetes. It is aimed to make diabetes more controllable by using various factors such as blood sugar levels, insulin use, nutritional habits and genetic factors among the data types for diabetes diagnosis. By analyzing the data with a deep learning model, it is aimed to determine the risk of disease and apply personalized treatment methods. With the ability to identify complex relationships, deep learning can identify diabetes risk factors and predict diabetes risk when analyzing data. In this way, it can be helped to diagnose the disease early, create appropriate treatment plans and manage it more effectively. By training deep learning models correctly, individuals with diabetes can live more comfortable lives by increasing success in this field. This research is based on examining existing research and practices in this field by searching Scopus and WOS indexes with relevant keywords and using bibliographic analysis. In this way, a comprehensive research was conducted on studies on diabetes diagnosis with deep learning. The findings were interpreted and some inferences were made. As a result, the use of deep learning in the fight against diabetes is a promising development for patients. With developing technology, studies with great potential can be carried out in healthcare services through deep learning. This study provides a bibliographic overview of these studies.
Benzer Tezler
- İstatistiksel ve makine öğrenme ile derin sinir ağlarında hiper-parametre seçimi için melez yaklaşım
Hybrid approach for hyper-parameter selection in deep neural networks with statistical and machine learning
CANSU DOĞAN
Yüksek Lisans
Türkçe
2021
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ÇAĞDAŞ HAKAN ALADAĞ
- Diyabetik retinopati teşhisi için derin öğrenme tabanlı sınıflandırma analizi
Deep learning based classification analysis for diabetic retinopathy diagnosis
DİLAN BUDAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAksaray ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. RAHMİ BAKİ
DOÇ. DR. KEMAL ADEM
- Genom-boyu ilişki çalışmalarında poligenik risk skorunun makine öğrenimi ve derin öğrenme yöntemleri ile tahmin edilmesi
Prediction of polygenic risk score by machine learning and deep learning methods in genome-wide association studies
RAGIP ONUR ÖZTORNACI
Doktora
Türkçe
2021
BiyoistatistikMersin ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. BAHAR TAŞDELEN
PROF. DR. CEMİL ÇOLAK
- Sepsis hastalığının derin öğrenme yöntemiyle tahmini
Sepsis disease prediction by deep learning
UMUT KAYA
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATINÇ YILMAZ
- U-net derin öğrenme modelleri kullanılarak beyin tümörü tespiti
Brain tumor detection using U-net deep learning models
MERVE KAYAR
Yüksek Lisans
Türkçe
2022
Mühendislik BilimleriVan Yüzüncü Yıl ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
PROF. DR. RIDVAN SARAÇOĞLU