Development of a machine learning based application for diagnosing autoinflammatory diseases
Otoinflamatuvar hastalıkların teşhisi için makine öğrenmesi tabanlı bir uygulamanın geliştirilmesi
- Tez No: 866526
- Danışmanlar: Assist. Prof. Dr. FUAT AKAL
- 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: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 145
Özet
Bağışıklık sistemi işlev bozukluğuna sebep olan hastalıklar, hastaların yaşam kalitesini önemli ölçüde etkileyen birçok komplikasyona yol açmaktadır. Bu tür hastalıkların özel bir kategorisi, bağışıklık sisteminin belirli doku ve organları tehdit olarak algılayıp onlara saldırması sonucu ortaya çıkan otoinflamatuvar hastalıklardır. Bu hastalıklar, genellikle eklemlerde ve çeşitli dokularda ateş ve yüksek inflamasyon atakları ile karakterizedirler. Erken teşhis, tedaviyi kolaylaştırmada ve bu bozuklukları yönetmede önemli bir rol oynamaktadır. Doğru bir teşhis için çeşitli faktörlerin göz önünde bulundurulması gereklidir. otoinflamatuvar hastalıkların teşhisi, belirtiler ve semptomların yanı sıra genellikle kapsamlı tıbbi bilgi ve genetik testlerle doğrulama gerektirir. Ancak, bu prosedürler geniş kaynak kullanımını gerektirir ve teşhis süreçlerini uzatır. Bu tez kapsamında, otoinflamatuvar bir hastalık olan Ailevi Akdeniz Ateşi'ni (FMF) genetik testlere ihtiyaç duymadan ve minimum sayıda özellikle doğru bir şekilde teşhis edebilen bir makine öğrenimi tabanlı web uygulaması geliştirdik. Süreç, veri toplama ile başladı, ardından analiz ve veriler detaylı bir şekilde incelendi. Kavramayı geliştirmek için veri görselleştirme teknikleri kullanıldı. Daha sonra veriler temizlendi, gürültüler ortadan kaldırıldı ve makine öğreniminin mevcut verileri anlaması için eğitildi. Ayrıca, en uygun algoritmayı belirlemek için kapsamlı bir algoritma seçim süreci yürüttük. Sonrasında, teşhis için kullanılan özellik sayısını en aza indirmek amacıyla bir özellik seçimi prosedürü gerçekleştirildi. Son olarak, teşhis web uygulamasını oluşturmak için en iyi performans gösteren modeli seçtik. Bu uygulamanın, teşhis için uzman danışmanlığı arayan hekimlere yardımcı olabileceğini ve birçok hastanın semptomlarına bağlı olan genetik test ihtiyacını en aza indirebileceğini öngörüyoruz. Hastalığın erken teşhisine yardımcı olabilir ve bu da hastalığın yönetimini geliştirecektir.
Özet (Çeviri)
Diseases caused by immune system dysfunction have numerous complications, significantly affecting patients' life quality. One specific group of such diseases is autoinflammatory diseases, which occur when the immune system perceives certain tissues and organs as threats and attacks them. They are characterized by episodes of fever and high inflammation in joints and various tissues. Early diagnosis plays a crucial role in facilitating treatment and managing these disorders. Several factors have to be considered to ensure an accurate diagnosis. Along with signs and symptoms, comprehensive medical information, and usually confirmation via genetic tests, are required to diagnose autoinflammatory diseases. These procedures require a huge amount of resource utilization and result in prolonged diagnosis processes. In this thesis, we have developed a machine learning-based web application capable of accurately diagnosing Familial Mediterranean Fever (FMF), an autoinflammatory disease, without the need for genetic tests and with a minimal number of features. The process began with data acquisition, followed by analysis and a thorough understanding of the data's specifications and features. To enhance comprehension, data visualization techniques were employed. Subsequently, the data was cleaned, eliminating any noise, and manipulated to facilitate machine learning's grasp of the available data. Also, we conducted an extensive algorithm selection process to identify the most suitable algorithm for addressing the problem at hand. Then, a feature selection procedure was performed to minimize the number of features used for diagnosis. By analyzing the performance of multiple models, we identified the best-performing one, which was employed to build the diagnostic web application. We envision that the application will be helpful to physicians who seek expert consultation for diagnosis, minimizing the reliance on a huge number of patients' symptoms and the need for genetic tests.
Benzer Tezler
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Mobil sağlık uygulamalarında makine öğrenmesi temelli model geliştirme ve modelin cihaz-bulut dağıtımı
Machi̇ne learning-based model deployment in mobile health applications and device-cloud deployment
ÖZGE ÇİÇEK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEMA CANDEMİR
- Kronik obstrüktif akciğer hastalığı teşhisi için makine öğrenmesi tabanlı yeni bir yöntem geliştirilmesi
Development of a new machine learning-based method for the diagnosis of chronic obstructive pulmonary disease
ENGİN MELEKOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÜMİT KOCABIÇAK
- Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease
Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi
İNANÇ MORAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR
- Derin öğrenme kullanılarak çocukların el–bilek radyoloji görüntülerinden kemik yaşı tahmini
Bone age estimation from children's hand-wrist radiology images using deep learning
EYÜP KAYMAZ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SUAT TORAMAN