Pankreas hastalıklarım tahmin etmek için makine öğreniminsı tabanlı bir yaklaşım
A machine learning based approach to predicting pancreatic diseases
- Tez No: 893478
- Danışmanlar: DOÇ. DR. SELİM BUYRUKOĞLU
- 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: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 75
Özet
Bu çalışma, pankreatit ve pankreas kanseri dahil olmak üzere pankreatik bozuklukların erken teşhisindeki kritik zorluğu, tanı doğruluğunu artırmayı amaçlayan bir topluluk makine öğrenme modeli oluşturarak ele almaktadır. Mevcut tanı yöntemlerinin sınırlılıklarını kabul ederek, ileri düzey makine öğrenme tekniklerinden yararlanmaya odaklandık. Çalışma, ANOVA, Ki-Kare, Genetik Algoritmalar, Yapay Arı Kolonisi ve Parçacık Sürü Optimizasyonu gibi çeşitli özellik seçimi yöntemlerini kullanarak Pankreas Kanseri için İdrar Biyomarkerleri veri setinin oluşturulması ve ön işlenmesini içeriyordu. Lojistik Regresyonun meta öğrenici olarak kullanıldığı ve temel modellerin (Karar Ağacı, Rastgele Orman ve Destek Vektör Makinesi) güçlü yönlerini birleştiren Süper Öğrenici modelimiz, %99,1 doğruluk ile olağanüstü performans sergiledi. Süper Öğrenici modelinin üstün performansı, model doğruluğunu ve genellenebilirliğini artırmak için topluluk yaklaşımlarının gerekliliğini vurgulamaktadır. Özellikle Parçacık Sürü Optimizasyonu (PSO) olmak üzere özellik seçimi yöntemlerinin entegrasyonu, veri kalitesini daha da iyileştirerek Süper Öğrenici modelinin etkinliğini artırdı. Bu bulgulara dayanarak, özellikle PSO olmak üzere gelişmiş özellik seçimi tekniklerine öncelik verilmesini ve öngörü modellerini iyileştirmek için topluluk öğrenme yöntemlerinden yararlanılmasını öneriyoruz. Gelecekteki araştırmalar, daha çeşitli biyomarkerleri ve daha büyük veri setlerini içermelidir ve geliştirilen modellerin klinik olarak geçerli olmasını sağlamak için makine öğrenme uzmanları ve tıp profesyonelleri arasındaki işbirliği gereklidir. Gerçek dünya koşullarında devam eden doğrulama, bu modellerin iyileştirilmesi ve erken teşhisteki etkinliklerinin onaylanması için çok önemlidir, nihayetinde hasta sonuçlarını iyileştirecektir.
Özet (Çeviri)
This study addresses the critical challenge of early diagnosis of pancreatic disorders, including pancreatitis and pancreatic cancer, by constructing an ensemble machine learning model aimed at improving diagnostic accuracy. Recognizing the limitations of current diagnostic methods, we focused on leveraging advanced machine learning techniques. The study involved the creation and preprocessing of the Urinary Biomarkers for Pancreatic Cancer dataset, employing a range of feature selection methods such as ANOVA, Chi-Squared, Genetic Algorithms, Artificial Bee Colony, and Particle Swarm Optimization. Our Super Learner model, which integrated the strengths of base models (Decision Tree, Random Forest, and Support Vector Machine) with Logistic Regression as the meta-learner, achieved exceptional performance, demonstrating an accuracy of 99.1%. The superior performance of the Super Learner model underscores the necessity of ensemble approaches for enhancing model accuracy and generalizability. The integration of feature selection methods, especially PSO, further improved input data quality, boosting the Super Learner model's efficacy. Based on these findings, we recommend prioritizing advanced feature selection techniques, particularly PSO, and leveraging ensemble learning methods to enhance predictive models. Future research should include more diverse biomarkers and larger datasets, and collaboration between machine learning experts and medical professionals is essential to ensure clinical relevance. Ongoing validation in real-world settings is crucial for refining these models and confirming their effectiveness in early diagnosis, ultimately improving patient outcomes.
Benzer Tezler
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Preeklampsi olgularında visinin like protein-1 düzeylerinin araştırılması
Investigation of visin like protein-1 levels in patients of preeclampsia
NESLİHAN ASLAN
Tıpta Uzmanlık
Türkçe
2023
Kadın Hastalıkları ve DoğumFırat ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. SALİH BURÇİN KAVAK
- Akut pankreatit ciddiyetini belirlemede obezite ve yağlanma paterninin prognostik rolü
Prognostic role of obesity and steatosis pattern in determining the severity of acute pancreatitis
MERYEM ASLAN
Tıpta Uzmanlık
Türkçe
2023
İç HastalıklarıSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. İHSAN ATEŞ
DOÇ. DR. ENES SEYDA ŞAHİNER
- Akut pankreatitli hastalarda EKG değişikliklerinin hastalık şiddeti ile korelasyonu
Correlation of ECG changes with disease severity in patients with acute pancreatitis
KIVANÇ ILTAR
Tıpta Uzmanlık
Türkçe
2023
GastroenterolojiSivas Cumhuriyet Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. ENGİN ALTINKAYA
- Reanimasyon ünitesinde takip edilen onkolojik gastrointestinal cerrahi olgularında asa, apacheıı, possum skorlama sistemlerinin karşılaştırılması
Mortality in patients after oncologic gastrointestinal surgery: Comparison of three scoring systems (asa, apache ii and possum)
NAGİHAN GÖZDE KISA
Tıpta Uzmanlık
Türkçe
2013
Anestezi ve ReanimasyonSağlık BakanlığıAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
UZMAN BANU ELER ÇEVİK