Derin öğrenme yöntemleri ile medikal bilgi çıkarımı
Medical information extraction with deep learning methods
- Tez No: 883252
- Danışmanlar: PROF. DR. HASAN BULUT, PROF. DR. AYTUĞ ONAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgi çıkarımı, Derin öğrenme, Doğal dil işleme, Information extraction, Deep learning, Natural language processing
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Biyomedikal alandaki artan makale sayısıyla birlikte, hastalıklar ve semptomlar hakkında keşfedilen değerli bilgiler akademik literatürde saklı kalmaktadır. Bu tezde, solunum yolu hastalıkları ve semptomları arasındaki ilişkilerin keşfi, NLP'nin bir alt disiplini olan ilişki çıkarımı yöntemleriyle ele alınmıştır. Bu amaçla, hastalık-semptom bilgileri içeren bilimsel tıp makalelerinin özetlerinden oluşan özgün bir veri seti hazırlanmıştır. Tezde, semantik benzerlik ve graf gömme yöntemlere dayalı yaklaşımlar önerilmiştir. Semantik benzerlik yöntemleri (Kosinüs, Öklid ve Nokta çarpımı) karşılaştırılarak hastalık-semptom ve hastalık-hastalık ilişkilerini doğru bir şekilde tespit edebilen yöntemler belirlenmiştir. Ayrıca, ilişki çıkarımı, bağlantı tahmini problemi olarak ele alınarak, graf embedding tabanlı yöntemlerin (TransE, DistMult, ComplEx, HolE) büyük dil modelleri ile çıkarımı ve doğrulanmasını içeren yenilikçi bir yaklaşım geliştirilmiştir. Potansiyel bağlantıların doğruluğunu arttırmak amacıyla küme üçgenleri ve varlık sıklığı yöntemlerinin hibrit kullanımı önerilmiştir.Elde edilen sonuçlar semantik benzerlik tabanlı yöntemlerden nokta çarpımı benzerliğinin, graf gömme yöntemlerinden ise TransE ve GPT4 dil modelinin daha başarılı olduğunu göstermiştir. Bu tezde geliştirilen yöntemler, solunum yolu hastalıkları ve semptomları arasındaki ilişkilerin keşfedilmesiyle klinik karar verme süreçlerine ve tıbbi araştırmalara önemli katkılar sağlama potansiyeline sahiptir.
Özet (Çeviri)
With the growing number of articles in the biomedical field, valuable information about diseases and symptoms discovered remains hidden within academic literature. In this thesis, the discovery of relations between respiratory diseases and symptoms utilized relationship extraction techniques from natural language processing. A unique dataset of scientific medical article abstracts with disease-symptom data was created. The study involved comparing semantic similarity (Cosine, Euclidean, and Dot Product) and graph embedding methods (TransE, DistMult, ComplEx, HolE) integrated with large language models to innovate in disease-symptom relationship prediction. The results showed that dot product similarity was more successful among semantic similarity-based methods, and TransE and GPT4 language models were more successful than graph embedding-based methods. The methods developed in this thesis have the potential to make significant contributions to clinical decision-making processes and medical research by discovering the relationships between respiratory diseases and their symptoms.
Benzer Tezler
- BT görüntüleri ile beyin inmelerinin otomatik tespiti için derin öğrenme tabanlı guı tasarımı ve uygulaması
Deep learning-based gui design and implementation for automatic detection of brain strokes using CT images
MEHMET OKUYAR
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN UZUN
- Beyin BT görüntülerinden inme tespiti ve sınıflandırılması için gürültü azaltma yöntemleri
Noise reduction methods for the stroke detection and classification from brain computed tomography images
HAKAN SÖKÜN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiYapay Zeka Ana Bilim Dalı
DOÇ. DR. GAMZE YÜKSEL
- Road geometry extraction with fusion of low resolution satellite imagery and GPS trajectory using deep learning methods
Düşük çözünürlüklü uydu görüntüleri ve GPS rotaları birleştirilmesi ve derin öğrenme yöntemleri kullanılarak yol geometrilerinin tespiti
NECİP ENES GENGEÇ
Doktora
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGİN TARI
- İnvolüsyonel sinir ağları ile hiperspektral verilerin analizi
Analysis of hyperspectral data with involutional neural networks
MÜCAHİT CİHAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CEYLAN
- Kalça displazisinin otomatik tespiti için u-net, alexnet ve densenet tabanlı hibrit bir derin öğrenme yaklaşımı
A hybrid deep learning approach based on u-net, alexnet and densenet for automatic detection of hip dysplasia
EMİNE ULUSOY
Yüksek Lisans
Türkçe
2025
Mühendislik BilimleriKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DURMUŞ ÖZDEMİR