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: Belirtilmemiş.
- 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: 115
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
- Derin öğrenme ile Türkçe sağlık metinleri üzerinde olumsuz anlam tespiti
Negation detection in Turkish medical texts with deep learning
ZANA SÖĞÜT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ DİKENELLİ
- Single-frame and multi-frame super-resolution on remote sensing images via deep learning approaches
Derin öğrenme yaklaşımlarıyla uzaktan algılama görüntülerinde tek çerçeve ve çok çerçeve süper çözünürlük
PEIJUAN WANG
Doktora
İngilizce
2022
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- 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
- Derin öğrenme tabanlı süper çözünürlük teknikleri kullanarak JPEG sıkıştırma kaybının iyileştirilmesi
Recovering JPEG compression loss via deep learning-based super resolution techniques
MUHAMMET BOLAT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
DR. NURULLAH ÇALIK
- Determination of bone age assessment
Kemik yaşı belirlenmesinin değerlendirilmesi
DOĞACAN TOKA
Yüksek Lisans
İngilizce
2024
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜRVET KIRCI