Kalp yetmezliğinin makine öğrenme algoritmalarıyla tespiti
Detection of heart failure with machine learning algorithms
- Tez No: 882767
- Danışmanlar: PROF. DR. HALİFE KODAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Verinin önemli ve anlamlı hale geldiği günümüzde sağlık alanındaki verilerin de gelişen teknoloji karşısında bilgiye dönüşmesi bir zorundalık haline gelmiştir. Kardiyovasküler hastalıklar, vücudun ihtiyacı olan kan miktarının yeterli miktarda pompalanamaması, kalbin yapısal ve işlevsel bozukluğa sahip olması, oksijen yetersizliği, damar tıkanıklığı gibi birçok sebeplerden dolayı baş gösteren bir hastalıktır. Dünya genelinde yılda yaklaşık olarak 18 milyon kişinin kardiyovasküler hastalıklardan kaynaklı yaşamını yitirdiği bilinmektedir. Hastane personelinin karar verme sürecinde yardımcı olması ve olası beşerî hataların en aza indirgenmesi amacıyla birçok alanda olduğu gibi tıp alanında da yapay zekâ algoritmaları kullanılmaya başlanmıştır. Bu tez çalışmasında etik kurul onaylı framingham kriterleri ve uzman görüşüyle oluşturulan ölçek ile Nevşehir Devlet Hastanesi Kardiyoloji Bölümünden 202 adet veri toplanarak veri seti elde edilmiştir. Bu veri setinin yanı sıra Kaliforniya Üniversitesinin açık erişime sunduğu“Heart Failure Prediction”isimli kalp yetmezliği için oluşturulmuş 299 adet veriye sahip veri seti de çalışmaya dahil edilmiştir. Çalışmada toplamda 501 adet örnek iki veri seti üzerinde, Yapay Sinir Ağları, Karar Ağacı, Rastgele Orman, Lojistik Regresyon, K en Yakın Komşu, Naive Bayes makine öğrenme algoritmalarıyla oluşturulan modellere beşli çapraz doğrulama uygulanmıştır. Toplanan verilerin ön işleme sürecinden sonra karmaşıklık matrisi ile doğruluk, duyarlılık, f1 skor ve kesinlik kriterleriyle oluşturulan modellerin performans sonuçları hesaplanmıştır. Oluşturulan veri setinin doğruluk değerleri Karar Ağacı (%95), Rastgele Orman (%93), Lojistik Regresyon (%90), Yapay Sinir Ağları (%90), K en Yakın Komşu (%81), Naive Bayes (%80) oranlarında başarı elde edilmiştir. Heart Failure Prediction isimli hazır veri seti için ise sıralama Rastgele Orman (%97), Karar Ağacı (%94), Yapay Sinir Ağları (%90), Lojistik Regresyon (%84), Naive Bayes (%83), K en Yakın Komşu (%70) oranlarında başarı elde edilmiştir. Ayrıca WEKA programı ile kalp hastalığını etkileyen en önemli öznitelikler Ejeksiyon Fraksiyon, kreatinin, anemi, nefes darlığı, diyabet, Atriyal Fibrilasyon olarak tespit edilmiştir.
Özet (Çeviri)
Nowadays, where data has become important and meaningful, it has become inevitable for data in the field of health to transform into information in the face of developing technology. Cardiovascular disease is a disease that occurs due to many reasons such as the body's inability to pump the amount of blood it needs, structural and functional disorders of the heart, oxygen deficiency, and vascular occlusion. It is known that approximately 18 million people throughout the world die from cardiovascular diseases annually. Artificial intelligence algorithms have begun to be used in the field of medicine, as in many other fields, in order to assist hospital staff in the decision-making process and to minimize possible human errors. In this thesis study, a data set has been obtained by collecting 202 data from the Cardiology Department of Nevşehir State Hospital with the scale created by the ethical committee-approved Framingham criteria and specialist opinion. In addition to this data set, a data set containing 299 data created for heart failure called“Heart Failure Prediction”, which is open access by the University of California, was also included in the study. In the study, five-way cross-validation has been applied to models created with Artificial Neural Networks,Decision Tree, Random Forest, Logistic Regression, K Nearest Neighbor, Naive Bayes machine learning algorithms on two data sets with a total of 501 samples. After the pre-processing process of the collected data, the performance results of the models created with the complexity matrix and accuracy, sensitivity, f1 score and precision criteria have been calculated. The accuracy values of the created data set have been achieved in Decision Tree (95%), Random Forest (93%), Logistic Regression (90%), Artificial Neural Networks (90%), K Nearest Neighbor (81%) and Naive Bayes (80%). Besides, with the WEKA program, the most important attributes affecting heart disease have been determined as Ejection Fraction, creatinine, anemia, shortness of breath, diabetes and Atrial Fibrillation.
Benzer Tezler
- Hear failure prediction using machine-learning methods
Makine öğrenme yöntemlerini kullanarak kalp yetmezliği tahmini
ESRA MOHAMED OSAMA A. ALGHWIL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
YRD. DOÇ. GÜNET EROĞLU
- Diagnosis of cardiovascular (CVD) disease using high performance machine learning system
Yüksek performanslı makine öğrenme sistemi kullanılarak kardiyovasküler (CVD) hastalığının tanı
MUSTAFA ADİL FAYEZ FAYEZ
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Design of a cardiovascular simulation circuit driven by time varying elastance
Zamanla değişen elastans ile sürülen bir kardiyovasküler simülasyon devresinin tasarımı
DOĞAN ONUR ARISOY
Yüksek Lisans
İngilizce
2017
BiyomühendislikBoğaziçi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZHAN ÖZTÜRK
DOÇ. DR. ABDURRAHMAN KAMURAN KADIPAŞAOĞLU
- Hesaplamalı akışkanlar dinamiği kullanılarak eksenel kalp destek pompa performansının incelenmesi
Investigation of axial heart assist device pump performance using computational fluid dynamics
RESUL TEKE
Yüksek Lisans
Türkçe
2018
Makine MühendisliğiSelçuk ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. RAFET YAPICI
- Computational fluid dynamic analysis of axial-flow left-ventricular assist device
Eksenel akışlı sol-ventrikül destek cihazı hesaplamalı akışkanlar dinamiği analizi
KORAL TOPTOP
Yüksek Lisans
İngilizce
2013
BiyomühendislikBahçeşehir ÜniversitesiBiyomühendislik Ana Bilim Dalı
DR. KAMURAN KADIPAŞAOĞLU
PROF. DR. EROL SEZER