Heart disease prediction project
Kalp hastalıklarını önleme projesi
- Tez No: 883737
- Danışmanlar: DR. ÖĞR. ÜYESİ HAKAN KOYUNCU
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Bu tez, en son teknolojiye sahip makine öğrenimi algoritmaları ve optimizasyon tekniklerini kullanarak kalp krizi riskini tahmin ederek kalp-damar sağlığı alanında ilerleme sağlamayı amaçlamaktadır. Çalışmanın ilk bölümünde, ilgili sensör görüntülerini ne kadar iyi tanımlayabildiğine özellikle dikkat edilerek LVGG modelinin resim sınıflandırmasındaki performansı kapsamlı bir şekilde değerlendiriliyor. Etkileyici %95 doğruluk oranıyla bu çalışma gelecekteki araştırmalara zemin hazırlıyor. Bu çalışmanın önemli bir bileşeni, meteorolojik faktörleri dahil ederek doğruluğu artırmak amacıyla Evrişimli Sinir Ağı'nı (CNN) CatBoost ile birleştiren hibrit bir modelin oluşturulmasıdır. Ayrıca, tahmin becerilerini geliştirmek amacıyla CatBoost'un resim sınıflandırma performansını genetik optimizer kullanımı yoluyla geliştirmeye yönelik kapsamlı bir araştırma yürütülüyor. POA optimize edici algoritması, kalp krizi tahminini daha da ilerletmek için uygulandı ve kalp sağlığıyla ilgili optimizasyon sorunlarını çözmedeki etkinliğini kanıtladı. Bu algoritma, bilimsel bir programda CatBoost ve Logistic Regression ile birleştirildiğinde kalp krizi risk değerlendirmesinde %94 gibi inanılmaz bir doğruluk sağlar. Tıbbi uygulama, VGG16 kullanılarak %90'lık kayda değer bir doğruluk oranıyla, başta Alzheimer hastalığı olmak üzere kalple ilgili bozuklukların erken teşhisini içerir. Özelleştirilmiş risk değerlendirmesi için CatBoost ve Deep Neural Network'ü kullanan yeni bir kullanıcı sınıflandırma modeli önerilmektedir. Dengesiz bilgilerin işlenmesinde mükemmel doğruluk ve esneklik sergiler. Karar ağacı algoritmaları çerçevesinde Rao-Stirling İndeksini kullanarak regresyon ve sınıflandırma verileri için daha yüksek doğruluk elde eden yeni bir yöntem sunulmaktadır. Özellik seçimi, karar ağacı tekniklerinin bir sinyal adayı optimize edici ve ağ geliştiriciyle birlikte araştırılmasıyla daha da geliştirildi. Kalp sağlığını etkileyen çevresel faktörleri ele alan bir yangın tahmin modeli sunulmaktadır. %83 doğruluk oranına ulaşıyor ve erken uyarı sistemlerini desteklemek için CatBoost algoritmasını kullanıyor. Sonunda CatBoost, MRI resimlerini tanımlamak için kullanıldı ve %94'lük mükemmel doğruluk oranını ve tıbbi görüntülemede uyarlanabilirliğini ortaya koydu.
Özet (Çeviri)
By predicting the risk of a heart attack using state-of-the-art machine learning algorithms and optimization techniques, this thesis aims to progress the field of cardiovascular health. The first part of the study thoroughly assesses the LVGG model's performance in picture classification, paying particular attention to how well it can identify pertinent sensor images. With an impressive 95% accuracy rate, this work lays the groundwork for future research. A key component of this work is the creation of a hybrid model that integrates a Convolutional Neural Network (CNN) with CatBoost in order to improve accuracy by including meteorological factors. Furthermore, a thorough investigation into enhancing CatBoost's picture classification performance through the use of a genetic optimizer is carried out with the objective of improving predictive skills. The POA optimizer algorithm has been applied to further advance the prediction of heart attacks, proving its efficacy in resolving optimizations issues related to cardiac health. This algorithm yields an amazing 94% accuracy in heart attack risk assessment when combined with CatBoost and Logistic Regression in a scientific programmed. The medical application includes the early diagnosis of heart-related disorders, specifically Alzheimer's disease, with a notable 90% accuracy rate using VGG16. For customised risk assessment, a novel user categorization model utilising CatBoost and Deep Neural Network is suggested. It exhibits excellent accuracy and flexibility in handling unbalanced information. A novel method that achieves higher accuracy for regression and classification data using the Rao-Stirling Index is presented within the framework of decision tree algorithms. Feature selection is further improved by investigating decision tree techniques in combination with a signal candidate optimizer and network enhancer. A fire prediction model is presented to address environmental factors influencing heart health. It achieves an accuracy of 83% and uses the CatBoost algorithm to support early warning systems. At last, CatBoost is used to identify MRI pictures, demonstrating its excellent accuracy rate of 94% and adaptability in medical imaging.
Benzer Tezler
- Heart disease data classification using advanced data mining techniques
Başlık çevirisi yok
HANA SHABAN ABUZENGENA
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
Prof. Dr. OĞUZ BAYAT
- Image analysis for contrast enhanced ultrasound carotid plaque imaging
Başlık çevirisi yok
ZEYNETTİN AKKUŞ
- Otuz yaş ve üstü erişkinlerde beden yağ yüzdesi ve antropometrik ölçümlerin kan yağlarıyla ilişkisi
The association between percentage body fat, anthropometric measurements and serum lipids in adults
RECİ MESERİ
Doktora
Türkçe
2009
Beslenme ve DiyetetikDokuz Eylül ÜniversitesiHalk Sağlığı Ana Bilim Dalı
DOÇ. DR. BELGİN UNAL
- Kredi kartları riskleri ve güvenlik önlemlerinin sigortacılık açısından incelenmesi
Research on the risks of credit cards and security implementations in the view of insurance
AYŞEGÜL BÖLÜKBAŞI
- GAP bölgesi paraziter hastalıklar profili ile bazı çevresel faktörler arasındaki ilişkiler ve GAP sonrası sağlık hizmetleri prediksiyon modeli
Interrelationship between diseases profile of the GAP-region and some environmental factors and prediction models of health carriers after GAP
MEHMET SELİM ÖZER
Yüksek Lisans
Türkçe
1998
Tıbbi BiyolojiHarran ÜniversitesiTıbbi Biyoloji Ana Bilim Dalı
PROF. DR. GÜRBÜZ AKSOY