COVID-19'un kalp krizi riski üzerindeki etkisinin makine öğrenme teknikleri ile araştırılması
Investigation of the effect of COVID-19 on heart attack risk using machine learning techniques
- Tez No: 865918
- Danışmanlar: DOÇ. DR. ERSİN NAMLI, DOÇ. DR. CANER ERDEN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 91
Özet
Veri boyutu günden güne hızlı bir şekilde artış göstermektedir. Büyük miktardaki verilerle, bu büyük miktardaki verilerin içinde saklı olan faydalı bilgilerin ortaya çıkarılması ve bu bilgilerden hareket edilmesi, günümüzün rekabetçi dünyasında giderek önem kazanmaktadır. Bu kadar büyük miktarlardaki verilerle uğraşırken, özellikle de bu verilerin güvenilir bir şekilde nasıl analiz edileceği problemini de beraberinde gelmiştir. Veri madenciliği bu noktada araştırmacıların büyük miktardaki veri setini analiz etme süreçlerini kolaylaştırmıştır. Sağlık hizmetleri insanlarda hastalık, yaralanma ve diğer fiziksel ve zihinsel bozuklukların teşhisi, tedavisi ve önlenmesine yönelik ayrıntılı süreçleri kapsar. Sağlık sektörü elektronik tıbbi kayıtlar, idari raporlar ve diğer kıyaslama bulguları dahil olmak üzere çok büyük miktarda veri ürettiği için zengin verilere sahip bir yer olarak kabul edilebilir. Sağlık hizmetlerine veri madenciliği temel olarak çeşitli hastalıkların tahmin edilmesinde ve doktorların klinik olarak karar vermesinde, tanı ve teşhis koymasında yardımcı olmak amacıyla kullanılmaktadır. Bu tez çalışmasında COVID-19'a ait niteliklerle zenginleştirilmiş veri seti kullanılarak kalp krizi teşhisinin yapılması amaçlanmıştır. Çalışma kapsamında Sağlık Bilimleri Üniversitesi Dr. Siyami Ersek Göğüs Kalp ve Damar Cerrahisi Eğitim Ve Araştırma Hastanesi iş birliği ile toplanılan COVID-19'a ait nitelik alanlarını da içeren 205 hastanın bulunduğu veri seti ile topluluk öğrenme algoritmaları olan Rastgele Orman, XGBoost, LightGBM ve CatBoost algoritmaları kullanılarak kalp krizi teşhisi yapılmıştır. Algoritma sonuçları 5 farklı performans değerlendirme metriğine göre kıyaslanmıştır. Hassasiyet ölçüsüne göre en iyi performans gösteren algoritma CatBoost ardından Rastgele Orman algoritmasıdır. F1-Ölçüsüne göre en iyi performans gösteren algoritma ise Rasgele Orman algoritmasıdır.
Özet (Çeviri)
The size of data is rapidly increasing day by day. Uncovering and leveraging valuable information embedded within large volumes of data is becoming increasingly crucial in today's competitive world. When dealing with such large volumes of data, especially the challenge of how to reliably analyze these data has also emerged. At this point, data mining has facilitated researchers in the process of analyzing large datasets. Healthcare services detailed processes for the diagnosis, treatment, and prevention of diseases, injuries, and other physical and mental disorders in individuals. The healthcare sector can be considered a rich source of data due to the vast amount of information it generates, including electronic medical records, administrative reports, and other comparative findings. In healthcare service, data mining is primarily used to aid in predicting various diseases and assisting doctors in making clinical decisions, as well as in diagnosis and prognosis. In this thesis study, it is aimed to diagnose heart attack by using a data set enriched with attributes of COVID-19. The diagnosis of heart attacks was made using ensemble learning algorithms including Random Forest, XGBoost, LightGBM, and CatBoost, with a dataset comprising 205 patients, including qualitative fields related to COVID-19, collected in collaboration with the Health Sciences University Dr. Siyami Ersek Thoracic Cardiovascular Surgery Training and Research Hospital. According to the recall measure, the algorithm with the best performance is CatBoost, followed by the Random Forest algorithm. However, according to the F1-measure, the Random Forest algorithm exhibits the best performance.
Benzer Tezler
- KABG hastalarında COVİD 19'un greft vaskülopatisi ve postoperatif tromboemboli üzerine etkisi: Prospektif kontrollü çalışma
Effect of COVİD 19 on graft vasculopathy and postoperative thromboembolia in CABG patients: A prospective controlled study
İLKNUR ŞAHİN
Tıpta Uzmanlık
Türkçe
2023
Göğüs Kalp ve Damar Cerrahisiİstanbul Üniversitesi-CerrahpaşaKalp ve Damar Cerrahisi Ana Bilim Dalı
PROF. DR. SUAT NAİL ÖMEROĞLU
DR. ÖĞR. ÜYESİ BERK ARAPİ
- Derin öğrenme yöntemleri kullanarak EKG görüntülerinden COVID-19'un tespit edilmesi
Detecting COVID-19 from ECG images using deep learning methods
NİDA AKKUZU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KAYA
- Kalp hastalarına verilen eğitimin COVID-19 korkusu, anksiyete ve koruyucu önlemleri (el yıkama ve maske kullanımı) doğru uygulamaya etkisi
COVId-19 fear, anxiety and the correct implementation of protective measures (hand washing and mask USE)
EDA ÜNAL
Doktora
Türkçe
2022
Halk SağlığıBursa Uludağ ÜniversitesiHalk Sağlığı Hemşireliği Ana Bilim Dalı
DOÇ. DR. AYSEL ÖZDEMİR
- Covid-19 geçirmiş hastalarda bozulmuş kalp hızı toparlanma indeksinin araştırılması
Researching impaired heart rate recovery index in patients who have had covid-19
MUHAMMET FATİH GENİŞOĞLU
Tıpta Uzmanlık
Türkçe
2023
KardiyolojiSağlık Bilimleri ÜniversitesiAile Hekimliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZ
PROF. DR. ZUHAL AYDAN SAĞLAM
- ERAS göğüs cerrahisi protokolünü COVID-19 pandemisinde uyarlamanın, hastanın iyileşme sürecine, sağkalımına ve sağlık ekonomisine katkısı
Implementing ERAS in thoracic surgery during COVID-19 pandemic to improve recovery process, survival rate and health economy
AYŞE ECE YÜCEL
Tıpta Uzmanlık
Türkçe
2022
Göğüs Kalp ve Damar CerrahisiSağlık Bilimleri ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
DOÇ. DR. AYSUN KOSİF
DR. MUSTAFA AKYIL