Geri Dön

Fizyolojik parametreler kullanılarak (SpO2, nabız, kan basıncı, PI, PVI) sigara bağımlılık seviyesinin makine öğrenme algoritmalarıyla sınıflandırılması

Classification of smoking addiction level with machine learning algorithms using physiological parameters (SpO2, pulse, blood pressure, PI, PVI)

PDF İndir

  1. Tez No: 908943
  2. Yazar: İREM NUR İŞCANLI
  3. Danışmanlar: DOÇ. DR. MUHAMMET SERDAR BAŞÇIL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Halk Sağlığı, Mühendislik Bilimleri, Public Health, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Teknolojiler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 77

Özet

Dünya genelinde en sık görülen bağımlılık türü olan sigara bağımlılığı önemli bir toplum sağlığı sorunudur. Sigara bağımlılığının ülkemizde en yüksek bağımlılık oranlarına sahip olduğu bilinmesi ile birlikte sigara bağımlılığının erken teşhis ve müdahale edilmesi amacıyla önem arz etmektedir. Bu çalışmada Karar Ağacı, KNN, PNN, SVM ve Naive Bayes algoritmaları kullanılarak sigara bağımlısı ve sigara bağımlısı olmayan bireylerin SpO2, Sıvı yanıtlılığı (Pvi), Dolaşım hızı (Pi), Nabız, Solunum sayısı (RRP), sistolik ve diastolik kan basınçlarındaki değişimlerine bakılarak sigara bağımlılığı ile ilgili sınıflandırılma yapılmaya çalışılmış, sınıflandırma sonucunda elde edilen sonuçlar fagerstrom nikotin testi ile kıyaslanmıştır. Bu doğrultuda Masimo marka Rad-G model pulsoksimetre cihazı ve Hartmann marka Veroval model tansiyon aleti yardımı ile 18-58 yaş aralığındaki erkek ve kadın eşit sayıda olmak üzere toplam 123 katılımcıdan alınan veriler kullanılmıştır. Makine öğrenme algoritmalarının veriler üzerindeki sınıflandırma doğrulukları ile k-fold tekniği ve PCA yöntemi kullanılarak Karar Ağacı, KNN, PNN, SVM ve Naive Bayes algoritmaları ile kıyaslanmıştır. Sonuç olarak sınıflandırma doğrulukları sırasıyla k-fold tekniğinde Karar Ağacı %87.2, KNN %98.0, SVM %98.0, PNN %45.32. ve Naive Bayes algoritması içinde %49.6 olarak elde edilirken PCA (%99) kullanılarak Karar Ağacı %74.0, KNN %96.5, SVM %97.2, PNN %53.52, Naive Bayes içinde %53.2 doğrulukları elde edilmiştir. Çalışma sonucunda makine öğrenme algoritmasıyla yapılan sigara bağımlılık seviyesi sınıflandırılmasında yüksek oranda doğruluk oranı elde edilmesiyle Fagerstrom nikotin testine alternatif olarak kullanılabileceğini göstermiştir. En yüksek sınıflandırma doğruluğunun k-fold tekniğine ait KNN algoritmasıyla elde edildiği gözlemlenmiştir. Çalışmanın fizyolojik parametreler olan SpO2, nabız, solunum sayısı, sıvı yanıtlılığı, dolaşım hızı, sistolik ve diastolik kan basınçları üzerinde gerçekleştirilmiş olması ve sigara bağımlılık seviyesini belirten fagerstrom nikotin testi sonuçları ile makine öğrenme algoritmasının veriler üzerindeki bağımlılık seviyesi sınıflandırmasının kıyaslanmasında öncü bir çalışma olması nedeniyle sigara bağımlılık seviyesinin sınıflandırılmasında belirleyici bir bakış açısı kazandıracağı, fagerstrom nikotin testine oranla daha doğru bir alternatif olarak kullanılabileceğini ve buna bağlı olarak tıpta teşhis ve tedavilerde hız kazandıracağı öngörülmektedir.

Özet (Çeviri)

Cigarette addiction, which is the most common addiction type worldwide, is an important public health problem. Knowing that cigarette addiction has the highest addiction rates in our country, it is important for early diagnosis and intervention of cigarette addiction. In this study, Decision Tree, KNN, PNN, SVM and Naive Bayes algorithms were used to classify cigarette addiction by looking at the changes in SpO2, Pleth variability index (Pvi), Perfusion index (Pi), Pulse, Respiratory rate (RRP), systolic and diastolic blood pressures of cigarette addicts and non-smokers, and the results obtained as a result of the classification were compared with the Fagerstrom nicotine test. In this direction, data obtained from a total of 123 participants, equal numbers of men and women between the ages of 18-58, were used with the help of Masimo brand Rad-G model pulse oximetry device and Hartmann brand Veroval model blood pressure monitor. The classification accuracies of machine learning algorithms on the data were compared with Decision Tree, KNN, PNN, SVM and Naive Bayes algorithms using k-fold technique and PCA (%99) method. As a result, the classification accuracies were obtained as %87.2 in Decision Tree, KNN %98.0, SVM %98.0, PNN %45.32 and %49.6 in Naive Bayes algorithm in k-fold technique, respectively, while %74.0 in Decision Tree, kNN %96.5, SVM %97.2, PNN %53.52, and %53.2 in Naive Bayes were obtained using PCA. As a result of the study, it was shown that the high rate of accuracy obtained in the classification of cigarette addiction level made with the machine learning algorithm can be used as an alternative to the Fagestrom nicotine test. It was observed that the highest classification accuracy was obtained with the KNN algorithm of the k-fold technique. Since the study was conducted on physiological parameters such as SpO2, pulse, respiratory rate, pleth variability index, perfusion index , systolic and diastolic blood pressures and is a pioneering study in comparing the addiction level classification of the machine learning algorithm with the phagestrom nicotine test results indicating the level of cigarette addiction, it is anticipated that it will provide a decisive perspective in the classification of the level of cigarette addiction, can be used as a more accurate alternative to the phagestrom nicotine test, and accordingly will accelerate diagnosis and treatments in medicine.

Benzer Tezler

  1. Tez No

    618033

    Bebeklerde aşı enjeksiyonu sırasında buzzy® uygulamasının ağrı düzeyine etkisi

    The effect of buzzy® on pain levels in infants during vaccine injection

    ÖZGE ŞIKTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Aile Hekimliğiİstanbul Okan Üniversitesi

    Hemşirelik Ana Bilim Dalı

    DOÇ. DR. GÜLZADE UYSAL

  2. Tez No

    825893

    Göbek kordonu klempleme zamanının yenidoğanlarda demir , bilirübin ve fizyolojik paremetreler üzerine etkisi ; Randomize kontrollü bir çalışma

    Effect of umbial cord clamping time on iron, bilirubin and physiological parameters in newborn; a randomized controlled study

    GAMZE NUR ERÇIRAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    EbelikTokat Gaziosmanpaşa Üniversitesi

    Ebelik Ana Bilim Dalı

    PROF. DR. ÖZGÜR ALPARSLAN

  3. Tez No

    664726

    Serbest dolaşan kişilerde duruş pozisyonu ve kan saturasyonu izleme sistemi

    Posture position and blood saturation monitoring system for free ranging patients

    YASEMİN GÜLTEPE

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Mühendislik BilimleriFatih Sultan Mehmet Vakıf Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAYDAR ÖZKAN

  4. Tez No

    819438

    Güvercinlerde butorfanol-izofluran ve medetomidin-izofluran anestezik ajanlarının, bazı hematolojik, biyokimyasal, kardiorespiratorik ve kardiopulmoner parametreler açısından araştırılması

    Investigation of butorphanol-isoflurane and medetomidine-isoflurane anesthetic agents in terms of some hematological, biochemical, cardiorespiratory and cardiopulmonary parameters in pigeons

    KÜBRA DİKMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Anestezi ve ReanimasyonHarran Üniversitesi

    Cerrahi (Veterinerlik) Ana Bilim Dalı

    PROF. DR. ALİ HAYAT

  5. Tez No

    458125

    Okul öncesi dönemdeki çocuklarda venöz kan alımı sırasında iki farklı oyuncakla yapılan dikkati başka yöne çekme işleminin çocuğun emosyonel ve fizyolojik göstergelerine etkisinin belirlenmesi

    Başlık çevirisi yok

    TUĞÇE ATAK MERİÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    HemşirelikYeditepe Üniversitesi

    Hemşirelik Ana Bilim Dalı

    DOÇ. DR. FİLİZ ARSLAN

Geri Dön