Makine öğrenmesi ile kırılganlık tahmini ve zaman ölçeği etkisi
Frailty prediction and timescale effect with machine learning
- Tez No: 920935
- Danışmanlar: DR. ÖĞR. ÜYESİ DİDEM ÖLÇER
- 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: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 89
Özet
Yaşlanan dünya nüfusuyla birlikte yaşlı bireylerde kırılganlığın erken aşamada tespit edilmesi, sağlık hizmetlerinin etkinliğini artırmakta ve bireylerin yaşam kalitesinin korunmasında önemli bir rol oynamaktadır. Kırılganlık, fiziksel, bilişsel ve psikolojik işlevlerdeki azalmalarla karakterize edilen bir durum olup, bireylerin bağımsız yaşam kapasitesini sınırlamaktadır. Bu çalışma, Makine Öğrenmesi algoritmalarını kullanarak giyilebilir cihazlardan elde edilen biyofiziksel veriler ile yaşlı bireylerde kırılganlık seviyelerinin belirlenmesi ve tahmin edilmesi üzerine odaklanmaktadır. Literatürdeki çalışmalar daha çok klinik gözlem ve testlere dayanmakta; ancak, giyilebilir cihazlar sayesinde elde edilen veri akışı ile gerçek zamanlı ve daha kapsamlı analizler mümkün olmaktadır. Bu tez kapsamında, ivmeölçer ve EKG sensörlerinden elde edilen veriler XGBoost, KNN, RF, 1D-CNN, MLP ve Naive Bayes gibi algoritmalarla analiz edilerek, kırılganlık tahmini için en uygun model ve zaman ölçeği belirlenmeye çalışılmıştır. Çalışmanın araştırma soruları, biyofiziksel verilerle kırılganlığın doğru tahmin edilip edilemeyeceği, en verimli zaman aralığı ve hangi algoritmanın en iyi performansı gösterdiği üzerinedir. Beş bölümden oluşan bu tezde, konuya dair literatür incelemesi, veri toplama ve analiz yöntemleri, algoritmaların uygulamaları ve araştırmanın sonuçları ele alınmaktadır.
Özet (Çeviri)
With the aging world population, early detection of frailty in elderly individuals plays a crucial role in enhancing the effectiveness of healthcare services and preserving individuals' quality of life. Frailty is characterized by declines in physical, cognitive, and psychological functions, which limit an individual's capacity for independent living. This study focuses on using machine learning algorithms to determine and predict frailty levels in elderly individuals based on biophysical data obtained from wearable devices. While most studies in the literature rely on clinical observation and tests, the continuous data flow from wearable devices enables more comprehensive and real-time analyses. In this thesis, accelerometer and ECG sensor data will be analyzed using algorithms such as XGBoost, KNN, RF, 1D-CNN, MLP, and Naive Bayes to identify the most suitable model and time window for frailty prediction. The research questions of this study address whether frailty can be accurately predicted using biophysical data, what the most effective time window is, and which algorithm performs best. Structured in five main chapters, this thesis covers a review of the relevant literature, data collection and analysis methods, algorithm applications, and findings of the research.
Benzer Tezler
- Tomorrow's İstanbul: Adaptive urban flood mitigation planning for climate change-induced hydro- meteorological hazards
Yarının İstanbul'u: İklim değişikliğinin neden olduğu hidrometeorolojik tehditlere karşı uyumlu kentsel sel planlaması
BATUHAN GUGUK
Yüksek Lisans
İngilizce
2024
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. AZİME TEZER
- Advanced approaches to fuzzy cognitive mapping for enhancing convergence, learning, and prediction
Yakınsama, öğrenme ve tahmin performansının iyileştirilmesi için bulanık bilişsel haritalarda ileri yaklaşımlar
MİRAÇ MURAT
Doktora
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT ASAN
- The use of machine learning algorithms to derive fragility curves for mid-rise reinforced concrete buildings
Orta katlı betonarme binalar için kırılganlık eğrilerinin makine öğrenmesi algoritmaları ile türetilmesi
ONUR ÜLKÜ
Yüksek Lisans
İngilizce
2023
Deprem MühendisliğiBoğaziçi ÜniversitesiDeprem Mühendisliği Ana Bilim Dalı
DOÇ. DR. UFUK HANCILAR
- Penetration rate optimization in heterogeneous formations with support vector machines method
Destek vektör makinesi yöntemi ile heterojen formasyonlarda ilerleme hızı optimizasyonu
KORHAN KOR
Doktora
İngilizce
2021
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRŞAT ALTUN
- Application of machine learning algorithms in seismic fragility analysis of structures
Yapıların sismik kırılganlık analizinde makine öğrenme algoritmalarının uygulanması
MOHAMED TAREQ MOHAMED SOLIMAN
Yüksek Lisans
İngilizce
2023
Deprem Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. UFUK YAZGAN