Anemi hastalığının sınıflandırılmasında makine öğrenmesi algoritmalarının metasezgisel yöntemlerle parametre optimizasyonu
Parameter optimization of machine learning algorithms using metaheuristic methods in classifying anemia disease
- Tez No: 897195
- Danışmanlar: PROF. DR. İDİRİS DAĞ, DOÇ. DR. HASAN TEMURTAŞ
- 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: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- 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
- Kliniğimizde akciğer kanseri tanısı alan hastaların prospektif olarak değerlendirilmesi ve sağkalıma etki eden faktörlerin belirlenmesi
Başlık çevirisi yok
ADEM DİRİCAN
Tıpta Uzmanlık
Türkçe
2004
Göğüs HastalıklarıOndokuz Mayıs ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
Y.DOÇ.DR. SERHAT FINDIK
- 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
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. DEVRİM AKGÜN
- Orak hücreli anemi tanılı çocukların endokrinolojik açıdan değerlendirilmesi
Endocrinological evaluation of children with sickle cell anemia
MEHMET SÜRÜCÜ
Tıpta Uzmanlık
Türkçe
2024
Çocuk Sağlığı ve HastalıklarıDicle ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VEYSİYE HÜLYA ÜZEL
- Bulanık mantık tekniği kullanılarak anemi hastalığı teşhisi
Diagnosis of anemia using fuzzy logic technique
MEHMET EMİN SALMAN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEÇKİN ARI
- Van-Karagündüz iskeletlerinde paleopatolojik bir araştırma: Anemi
Paleopathological investigation of skeletons in Karagündüz, Van: Anemia
KEZBAN SAYAR
Yüksek Lisans
Türkçe
2001
AntropolojiAnkara ÜniversitesiFizik ve Paleoantropoloji Ana Bilim Dalı
PROF. DR. ERKSİN GÜLEÇ