Heart disease prediction using machine learning
Makine öğrenmesi kullanarak kalp hastalığı tahmini
- Tez No: 865973
- Danışmanlar: DR. ÖĞR. ÜYESİ FUAT TÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 66
Özet
Kalp hastalıkları şu anda dünya genelinde ölümlerin önde gelen nedenleri arasında yer almaktadır ve teşhisi giderek daha karmaşık bir süreç haline gelmiştir. Bu nedenle, hastalıkların hızlı teşhisi için makine öğrenimi tekniklerinin kullanılması önerilmektedir. Bu yaklaşım, hem doktorlar hem de hastalar için zaman tasarrufu sağlamayı amaçlamaktadır. Kalp hastalığı tahminine yönelik olarak farklı makine öğrenimi algoritmalarını içeren karşılaştırmalı bir çalışma gerçekleştirdik. Bu algoritmalar arasında lojistik regresyon, rastgele orman, karar ağacı, destek vektör makinesi (DVM), Naive Bayes ve k-en yakın komşular (KYK) bulunmaktadır. Rastgele orman, lojistik regresyon, karar ağacı, KYK, Naive Bayes ve DVM'nin doğruluk oranları sırasıyla %98, %78, %98, %60, %66 ve %63'tür. Bu çalışma, yalnızca bir yönteme değil, kalp hastalığı tahminine yönelik çeşitli yaklaşımları inceledi. Ayrıca, kalp hastalığına sahip hastalar için kullanılabilir bir veri seti üzerinde bagging, stacking ve boosting gibi topluluk öğrenme tekniklerini keşfettim. Bu tekniklerin bir araya getirilmesinin, tahminlerin doğruluğunu önemli ölçüde artırdığını gözlemledik. Stacking, bagging ve boosting için sırasıyla %98, %99 ve %97 doğruluk oranları elde ettik, bu da farklı tekniklerin birleştirilmesinin kalp hastalığı tahminlerini daha kesin hale getirebileceğini göstermektedir
Özet (Çeviri)
Heart disease is currently the leading cause of death worldwide and has become one of the most challenging diseases to diagnose. Consequently, the use of machine learning techniques for rapid disease diagnosis is recommended, which saves time for both doctors and patients. I conducted a comparative study on heart disease prediction using machine learning algorithms such as Logistic Regression, Random Forest, Decision Tree, SVM (Support Vector Machine), Naive Bayes (NB), and KNN (k-nearest neighbors). The accuracy rates obtained were 98%, 78%, 98%, 60%, 66%, and 63% for Random Forest, Logistic Regression, Decision Tree, KNN, NB, and SVM, respectively. This study explored more than just one approach to heart disease prediction. Additionally, I investigated ensemble learning techniques such as bagging, stacking, and boosting on a publicly available dataset of patients with heart disease. I found that combining these techniques significantly increased the accuracy of the predictions: 98% for stacking, 99% for bagging, and 97% for boosting. This demonstrates how integrating various techniques can enhance the precision of heart disease predictions.
Benzer Tezler
- Heart disease prediction project
Kalp hastalıklarını önleme projesi
RUBA AYAD YOUSIF AL-SAMMARRAIE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN KOYUNCU
- Kronik böbrek hastalığı ve diyabet için elektrokardiyogram üzerinden iyonik konsantrasyon tahmini
Ionic concentration estimation from electrocardiogram for chronic kidney disease and diabetes
SEBAHATTİN BABUR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET RECEP BOZKURT
DR. ÖĞR. ÜYESİ SANAM MOGHADDAMNIA
- Pediatrik göğüs ağrısı ile kalp hastalığı tanısında makine öğrenmesi uygulamaları
Machine learning applications in the diagnosis of heart disease in pediatric chest pain
ASUDE DEMİR
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUNUS DEMİR
- Reinforcement learning-driven ensemble neural networks for heart disease prediction
Kalp hastalığı tahmini için takviyeli öğrenme tabanlı topluluk sinir ağları
ÖZGE HÜSNİYE NAMLI DAĞ
Doktora
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA YANIK ÖZBAY
- İş kazaları ve meslek hastalıklarının önlenmesinde yapay zekâ kullanımı
Use of artificial intelligence in preventing work accidents and occupational diseases
ADNAN KARABULUT
Doktora
Türkçe
2025
Mühendislik BilimleriAnkara Yıldırım Beyazıt Üniversitesiİş Güvenliği Ana Bilim Dalı
PROF. DR. MEHMET BARAN
- Applied machine learning techniques on diseases diagnosis
Hastalık teşhı̇sı̇nde uygulamalı makı̇ne öğrenme teknı̇klerı̇
MARIAM KILI BECHIR
Yüksek Lisans
İngilizce
2024
Bilim ve TeknolojiKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERHAT ATASOY