Yapay zekâ yaklaşımı ile kümülatif konsepsiyon tahmin modeli geliştirilmesi
Developing a model for prediction of cumulative conception with artificial intelligence approach
- Tez No: 891875
- Danışmanlar: DOÇ. DR. BURÇİN KURT
- Tez Türü: Doktora
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 103
Özet
Kümülatif konsepsiyon, bir kadının belirli bir zaman dilimi içinde gebe kalma olasılığını ifade eder. Bu olasılık, sosyal, kültürel, ekonomik, çevresel, davranışsal, biyolojik, psikolojik ve genetik etmenler başta olmak üzere birçok faktöre bağlı olarak değişir. Kümülatif konsepsiyon, kadınların doğurganlık planlaması yaparken veya infertilite tedavisi görmeye karar verirken dikkate alabilecekleri önemli bir göstergedir. Hangi çiftin infertilite (kısırlık) veya subfertilite için riskli grupta olduğunu bilmek, gebelik öncesi (prekonsepsiyonel) değerlendirmeye ihtiyacı olup olmadığına karar vermek açısından oldukça önemlidir. Bu nedenle gebelik elde etme ihtimalini araştıran ve bu yöntemle spontan gebelik şansı az olan ve infertilite için risk faktörü taşıyan kadınların erken tanınmasını sağlayacak non-invaziv (girişimsel olmayan), ucuz ve etkili tahmin modellerinin geliştirilmesi önem arz etmektedir. Bu amaçla yapılan prospektif tez çalışmasında, uzman doktor tarafından belirlenen sorularla oluşturulan bir kayıt formu 300 katılımcı tarafından doldurulmuş ve maksimum 12 ay olmak üzere 2 ayda bir gebelik takibi yapılmıştır. Elde edilen veriler ile beş farklı öznitelik seçimi yöntemi kullanılarak risk/şans faktörü olan değişkenler belirlenmiş ve bu değişkenler üzerinden makine öğrenmesi yöntemleri kullanılarak beş farklı tahmin modeli geliştirilmiştir. Bu tahmin modelleri arasında en başarılı model CatBoost algoritması ile elde edilmiştir (Doğruluk:0.83, Duyarlılık:0.90, Özgüllük:0.76 ve ROC-AUC:0.83). CatBoost algoritmasına göre elde edilen tahmin sonuçları olasılık değerlerine dönüştürülerek model çıktısında her bir sınıf (gebe kaldı/kalamadı) için olasılık değerleri elde edilmiştir. Elde edilen olasılık değerleri, uzman hekim tarafından belirlenen kesim noktaları üzerinden“düşük”,“orta”ve“yüksek”olmak üzere üç sınıfa ayrılmıştır. Böylece, henüz gebelik öncesi aşamadayken, sadece kayıt formu bilgileri kullanılarak gebe kalma olasılığı“düşük”,“orta”ve“yüksek”şeklinde verebilen, hekime yardımcı olabilecek başarılı bir karar destek modeli geliştirilmiştir. Geliştirilen bu karar destek sistemi ile uzman hekim, gebe adayına ilişkin bilgileri sisteme girdiğinde, gebelik olasılığına ilişkin önsel bir tahmin sonucu elde edebilecek ve bununla birlikte muayene bilgilerini de kullanarak gebelik tedavi sürecini planlayabilecektir.
Özet (Çeviri)
Cumulative conception refers to a woman's probability of becoming pregnant within a specific timeframe, influenced by various factors including social, cultural, economic, environmental, behavioral, biological, psychological, and genetic factors. It serves as an important indicator for women to consider when planning fertility or deciding on infertility treatment. Knowing which couples are at risk for infertility or subfertility is crucial in determining the need for preconceptional evaluation. Therefore, the development of non- invasive, affordable, and effective prediction models to explore the likelihood of achieving pregnancy is imperative. In a prospective thesis study conducted for this purpose, a registration form consisting of questions determined by a specialist physician was completed by 300 participants, and pregnancy follow-up was conducted every two months for up to a maximum of 12 months. Data obtained were used to identify variables with risk/chance factors through five different feature selection methods, and five different prediction models were developed using machine learning methods based on these variables. Among these models, the most successful one was achieved with the CatBoost algorithm (Accuracy:0.83, Sensitivity:0.90, Specificity:0.76 and ROC-AUC:0.83). Prediction results obtained according to the CatBoost algorithm were transformed into probability values, providing probability values for each class (pregnant/not pregnant) in the model output. These probability values were then divided into three classes“low,”“medium,”and“high”based on cutoff points determined by the specialist physician. A successful decision support model has been developed to assist physicians in providing an initial estimation of pregnancy likelihood as“low,”“medium,”or“high”solely based on registration form data during the preconception stage. With this developed decision support system, when a specialist physician enters candidate information into the system, they can obtain a preliminary prediction regarding the probability of pregnancy, along with using examination information to plan the pregnancy treatment process.
Benzer Tezler
- Explainable and context-aware machine learning for common and imbalanced atmospheric forecasting
Açıklanabilir ve bağlamsal farkındalık sahibi makine öğrenmesi yaklaşımları ile yaygın ve ekstrem atmosferik tahmin
ALİ ULVİ GALİP ŞENOCAK
Doktora
İngilizce
2024
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TUĞRUL YILMAZ
- A natural language processing aided relational information management approach for architectural knowledge fabrication
Mimari bilgi fabrikasyonu için doğal dil işleme destekli ilişkisel bilgi yönetimi yaklaşımı
ŞEYMA NUR ÇALIŞKAN
Yüksek Lisans
İngilizce
2022
MimarlıkTOBB Ekonomi ve Teknoloji ÜniversitesiMimarlık Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AKTAN ACAR
- Cyber tools as foreign policy instruments in trilateral relations: Analysing cyber-attacks targeting the United Kingdom
Üçlü ilişkilerde dış politika aracı olarak siber araçlar: Birleşik Krallık'ı hedef alan siber saldırıların analizi
ATAKAN YILMAZ
Doktora
İngilizce
2024
Siyasal BilimlerGalatasaray ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
DOÇ. DR. MENENT SAVAŞ CAZALA
- Yapay zekâ sistemleriyle Türkiye demiryollarının enerji analizi ve sürdürülebilir ulaşım planlaması stratejileri ile ulaştırmada enerji verimliliği
An energy analysis of Turkish railway systems with artificial intelligence and sustainable transportation planning strategies with energy efficiency on transportation
HULUSİ AYDEMİR
Doktora
Türkçe
2020
İnşaat MühendisliğiGazi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA KÜRŞAT ÇUBUK
- Sensor-based activity recognition and authentication using deep learning
Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma
NİLAY TÜFEK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE