Geri Dön

Anemi hastalığının sınıflandırılmasında makine öğrenmesi algoritmalarının metasezgisel yöntemlerle parametre optimizasyonu

Parameter optimization of machine learning algorithms using metaheuristic methods in classifying anemia disease

  1. Tez No: 897195
  2. Yazar: NAGİHAN YAĞMUR
  3. Danışmanlar: PROF. DR. İDİRİS DAĞ, DOÇ. DR. HASAN TEMURTAŞ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: 211

Özet

Anemi, hemoglobin (Hgb) seviyesinin belirli bir referans aralığının altına düştüğü durumlarda ortaya çıkar. Teşhis ve tedavi süreçleri, birçok kan testi, radyolojik görüntüleme ve çeşitli testleri gerektirir. Makine öğrenimi yöntemleri kullanılarak hastaların tıbbi verileri işlenebilir, böylece yeni hastalar için hastalık tahminleri yapılabilir ve bu tahminler doğrultusunda doktorlara karar destek mekanizmaları sağlanabilir. Bu yöntemler, doktorların teşhislerinde hata payını azaltmada kritik öneme sahiptir ve sağlık kurumlarında veri kayıtlarının değerlendirilmesi hem hastalar hem de hastaneler için büyük önem taşır. Bu tez çalışması, hem iki sınıflı (anemi var/yok) hem de çok sınıflı (anemi yok, Hgbanemi, demir eksikliği anemisi (DEA), B12 eksikliği anemisi (B12E), folat eksikliği anemisi (FEA)) anemi veri setleri üzerinde çeşitli modellerin performansını değerlendirmeyi amaçlamaktadır. Bu amaçla SMOTE (Sentetik Azınlık Aşırı Örnekleme Tekniği) yöntemiyle veri setlerindeki veri dengesizliği giderilmiş, daha sonra literatürde sıklıkla kullanılan klasik makine öğrenmesi yöntemleriyle testler yapılmış, veri setlerindeki parametreler arasındaki ilişkiyi daha iyi modellemek ve parametrelerin birbiriyle etkileşimini vurgulamak için veri setleri doğrusal, karesel ve üstel formda modellenerek Harris Şahin Algoritması (HŞA), Karga Arama Algoritması (KAA), Tavuk Sürüsü Optimizasyon Algoritması (TSO), JAYA Algoritması (JAYA), Balina Optimizasyon Algoritması (BOA) ve Kelebek Optimizasyon Algoritması (KOA) metasezgisel yöntemleri ile parametre optimizasyonu yapılmıştır. Çok sınıflı veri setinde genel doğruluk başarısının yanında sınıf bazlı doğruluk başarısının da arttırılması gerektiği vurgulanarak bulanık mantık yaklaşımdan esinlenen parametrelerin önemini daha iyi vurgulayan klasik makine öğrenmesi yöntemi olan TreeBagger (TB) ile önerilen metasezgisel yöntemlerin birleştirilmesiyle oluşan hibrit modeller önerilmiştir.

Özet (Çeviri)

Anemia occurs when the hemoglobin (Hgb) level falls below a certain reference range. Diagnosis and treatment processes require many blood tests, radiological imaging and various tests. Using machine learning methods, patients' medical data can be processed to make disease predictions for new patients and provide decision support mechanisms to doctors based on these predictions. These methods are critical in reducing the margin of error in doctors' diagnoses, and the evaluation of data records in healthcare institutions is of great importance for both patients and hospitals. This thesis aims to evaluate the performance of various models on both two-class (anemia present/absent) and multi-class (non-patient, HGB-anemia, iron deficiency anemia, B12 deficiency anemia, folate deficiency anemia) anemia datasets. For this purpose, data imbalance in the datasets was eliminated with the SMOTE (Synthetic Minority Oversampling Technique) method, then tests were performed with classical methods frequently used in the literature, and the datasets were linearized to better model the relationship between the parameters in the datasets and to emphasize the interaction of the parameters with each other, The parameters were modeled in quadratic and exponential form and parameter optimization was performed with the Harris Hawk Algorithm (HSA), Crow Search Algorithm (KAA), Chicken Swarm Optimization Algorithm (TSO), JAYA Algorithm (JAYA), Whale Optimization Algorithm (BOA) and Butterfly Optimization Algorithm (KOA) metaheuristics. Emphasizing the need to increase the class-based accuracy as well as the overall accuracy in a multi-class data set, hybrid models are proposed by combining the classical method TreeBagger (TB), which better emphasizes the importance of parameters inspired by the fuzzy logic approach, and the proposed metaheuristic methods.

Benzer Tezler

  1. Demir eksikliği anemisi hastalığının tespitinde kullanılan sınıflandırma algoritmalarının karşılaştırılması

    The comparison of classification algorithms for diagnosis of iron-deficiency anemia

    VOLKAN SEYMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. DEVRİM AKGÜN

  2. Orak hücreli anemi tanılı çocukların endokrinolojik açıdan değerlendirilmesi

    Endocrinological evaluation of children with sickle cell anemia

    MEHMET SÜRÜCÜ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Çocuk Sağlığı ve HastalıklarıDicle Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ VEYSİYE HÜLYA ÜZEL

  3. Bulanık mantık tekniği kullanılarak anemi hastalığı teşhisi

    Diagnosis of anemia using fuzzy logic technique

    MEHMET EMİN SALMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SEÇKİN ARI

  4. Van-Karagündüz iskeletlerinde paleopatolojik bir araştırma: Anemi

    Paleopathological investigation of skeletons in Karagündüz, Van: Anemia

    KEZBAN SAYAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2001

    AntropolojiAnkara Üniversitesi

    Fizik ve Paleoantropoloji Ana Bilim Dalı

    PROF. DR. ERKSİN GÜLEÇ