Sağlık alanında hastalıkların erken tahmininde yapay zeka tekniklerinin kullanılması
Use of artificial intelligence techniques in early prediction of diseases in the field of health
- Tez No: 898756
- Danışmanlar: PROF. DR. NURSEL ÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 123
Özet
Kalp hastalığı ve diyabet hastalığı gibi hastalıklar son yıllarda giderek yaygınlaşan önemli hastalık gruplarındandır. Bu tez çalışmasının amacı, sağlık alanında yapay zeka tekniklerinin kullanılması ve yaygın görülen hastalıkların erken tahmini için literatüre katkı sağlamaktır. Çalışma kapsamında kalp hastalığı için UCI veri tabanından Cleveland veri seti ve diyabet hastalığı için Vanderbilt Üniversitesi Biyoistatistik Bölümünden alınan veri seti kullanılmıştır. Çalışmada, tahmin algoritmaları olarak Rassal Orman, Lojistik Regresyon ve XGBoost kullanılmıştır. Bu algoritmaların performansı, 5 katlı ve 10 katlı çapraz doğrulama kullanılarak değerlendirilmiştir. Performans ölçütleri olarak doğruluk, duyarlılık, kesinlik ve F1 skoru gibi kriterler kullanılmıştır. Diyabet hastalığı veri setinde dengesiz veri problemini çözmek için yapay veriler üretilerek veri seti daha dengeli hale getirilmiştir. Elde edilen sonuçlara göre, kalp hastalığı tahmininde Rastgele Orman algoritması ile %93,00, Lojistik Regresyon ile %94,00 ve XGBoost algoritması ile %95,00 başarı oranı elde edilmiştir. Diyabet hastalığı tahmininde ise Rastgele Orman algoritması %99,00, Lojistik Regresyon %96,00 ve XGBoost algoritması %98,00 başarı oranlarına ulaşmıştır. Çalışmanın devamında, kalp hastalığının tahmininde XGBoost tabanlı, diyabet hastalığı tahmininde ise Rastgele Orman tabanlı arayüz sistemi geliştirilmiştir. Çalışmanın sonucunda, yapay zeka tekniklerinin sağlık alanında hastalıkların tahmini için yüksek performans gösterdiği gözlemlenmiştir. Elde edilen sonuçlar, yapay zeka tekniklerinin hastalıkların erken tahmininde etkili olarak kullanılabileceğini göstermektedir.
Özet (Çeviri)
Diseases such as heart disease and diabetes are among the important disease groups that have become increasingly common in recent years. The aim of this thesis is to contribute to the literature on the use of artificial intelligence techniques in the field of health and the early prediction of common diseases. Within the scope of the study, the Cleveland data set from the UCI database was used for heart disease and the data set from Vanderbilt University Biostatistics Department was used for diabetes. In the study, Random Forest, Logistic Regression and XGBoost were used as prediction algorithms. The performance of these algorithms was evaluated using 5-fold and 10-fold cross-validation. Criteria such as accuracy, sensitivity, precision and F1 score were used as performance measures. To solve the problem of unbalanced data in the diabetes data set, artificial data was produced and the data set was made more balanced. According to the results obtained, a success rate of 93,00% was achieved with the Random Forest algorithm, 94,00% with Logistic Regression and 95,00% with the XGBoost algorithm in predicting heart disease. In predicting diabetes, the Random Forest algorithm achieved success rates of 99,00%, Logistic Regression 96,00% and XGBoost algorithm 98,00%. In the continuation of the study, an XGBoost-based interface system was developed for predicting heart disease and a Random Forest-based interface system for predicting diabetes. As a result of the study, it was observed that artificial intelligence techniques showed high performance in predicting diseases in the field of health. The results obtained show that artificial intelligence techniques can be used effectively in the early prediction of diseases.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Meme kanseri tahmininde makine öğrenmesi algoritmaları ve AutoML
Breast cancer diagnosis with machine learning algorithms and AutoML
ARSLAN KARAKAYA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEZAİ TOKAT
- Biyoterörist harp maddelerinin yayılımının tahminine yönelik bulanık mantık tabanlı karar destek sistemleri tasarlanması
Fuzzy logic based decision support systems designed for estimating spread of bioterrorist war agents
SERHAT ÖZBEY
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET KOLUMAN
- Kliniğimizde 2014-2015 yılları arasında doğum yapmış olan preeklampsi vakalarının retrospektif değerlendirilmesi ve mpv değerinin preeklampsiyi öngörmedeki yeri
Retrospective of who gave birth with preeclampsia cases evaluation in our clinic between year 2014 and 2015 ;and evalution of mpv values on prediction of preeclampsia
ÇAĞDAŞ ÖZDEMİR
Tıpta Uzmanlık
Türkçe
2016
Kadın Hastalıkları ve DoğumSağlık BakanlığıKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. ALİ GEDİKBAŞI
DR. ALİ EKİZ