AI-enhanced iomt framework for optimizing telemedicine-based triage in emergency departments
Yapay zeka destekli IoMT çerçevesi ile acil servislerde tele-tıp tabanlı triage optimizasyonu
- Tez No: 925928
- Danışmanlar: DOÇ. DR. YÜCEL BATU SALMAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 133
Özet
IoMT tabanlı gerçek zamanlı teletıp çerçevelerinde, hastalar yüksek hızlarda büyük hacimli veri üreten farklı cihazlara bağlıdır. Bu durum, hastaların acil durumlarını doğru biçimde değerlendirebilmek için gerekli büyük veri yönetimi, işleme ve analiz süreçlerinde önemli zorluklar doğurmakta; triyaj doğruluğundaki eksiklikler neredeyse kaçınılmaz hâle gelmektedir. Bu çalışma, yapay zekâ destekli ve makine öğrenmesi ile derin öğrenmeyi bütünleştirerek triyaj doğruluğunu yükseltmeyi hedefleyen bir IoMT çerçevesi sunmaktadır. Önerilen sistem, hastaların durumlarının ciddiyetine göre“risk,”“acil,”“hasta,”“soğuk vaka”ve“normal”olmak üzere beş farklı düzeyde sınıflandırma yapmaktadır. Söz konusu çerçeve, veri ölçeklenebilirliği, sınıf dengesizliği ve gerçek zamanlı karar verme gibi kritik sorunların üstesinden gelmek amacıyla IoMT sensör verileri ve Elektronik Sağlık Kayıtları kullanmakta; ayrıca Temel Bileşen Analizi ve SMOTE tekniklerinden yararlanmaktadır. Makine öğrenmesi modelleri incelendiğinde, Stacking Classifier %93 doğruluk oranı ile en yüksek performansı sergilemiş, onu %92 doğruluk oranlarıyla Random Forest ve Extra Trees, ardından %91 doğruluk oranıyla XGBoost takip etmiştir. Derin öğrenme modelleri ise %99 doğruluk oranına ulaşan hibrit modeliyle bu sonuçların üzerinde bir performans sergilemiş; böylelikle %94 doğruluk oranına sahip CNN ve %97 doğruluk oranına sahip ANN modellerinden daha başarılı olmuştur. En iyi modellerin iyileştirilmiş kesinlik, geri çağırma ve F1 puanları, sistemin karmaşık tıbbi verileri işleme konusundaki yetkinliğini açıkça ortaya koymaktadır. Bu ölçeklenebilir ve esnek çerçeve, acil servislerdeki yoğunluk ve kronik hastalıklardaki artış gibi önemli sorunlara yanıt veren, hasta akışı yönetimini iyileştiren ve acil sağlık hizmetlerinde triyaj doğruluğunu artıran, yapay zekâ temelli güçlü bir teletıp çözümü sunmaktadır
Özet (Çeviri)
In the IoMT-based real-time telemedicine frameworks, patients are connected to different devices that generate huge data in high speed. This leads to a challenge in the management, processing, and analysis of this big data to accurately assess patients' emergent conditions; poor accuracy in triage results are inevitable. This study introduces an AI-enhanced IoMT framework that integrates machine and deep learning to improve accuracy in patients' triage. The proposed system categorizes the patients into five different levels, namely, risk, urgent, sick, cold case, and normal, based on the severity of their conditions. The framework uses IoMT sensor data and Electronic Medical Records to overcome some of the significant challenges of data scalability, class imbalance, and real-time decision-making using Principal Component Analysis and SMOTE. Among machine learning models, the Stacking Classifier achieved the best accuracy at 93%, followed closely by Random Forest and Extra Trees at 92% and XGBoost at 91%. Deep learning models outperformed these with the hybrid model reaching a validation accuracy of 99%, ahead of CNN at 94% and ANN at 97%. The improved precision, recall, and F1-scores for top models further show the system's prowess in handling complex medical data. This scalable and flexible framework addresses emergency department crowding and chronic disease trends with a robust AI-driven telemedicine solution for improving patient flow management and the accuracy of triage in an emergency healthcare system.
Benzer Tezler
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- AI-enhanced plant health monitoring and water irrigation system
AI ile geliştirilmiş bitki sağlığı izleme ve su sulama sistemi
NOOR JAMEEL KASHKOOL ALQASI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZ KARAN
- AI-enhanced dynamic preemptive resource allocation in next generation cellular networks
Yeni nesil hücresel ağlarda yapay zeka destekli dinamik öncelikli kaynak tahsisi
EGE ENGİN
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- AI-enhanced English language learning/teaching: A focus on four skills, vocabulary, and grammar
YZ destekli İngilizce dil öğrenimi ve öğretimi: Dört beceri, kelime bilgisi ve dilbilgisi odaklı bir inceleme
NİLGÜN KORKUT
Yüksek Lisans
İngilizce
2025
Eğitim ve Öğretimİstanbul Aydın ÜniversitesiYabancı Dil Olarak İngilizce Öğretimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN ZENGİN
- Ai-enhanced personalization in The Turkish e-commerce market: A Survey on consumer behavior and decision-making
Türk e-ticaret pazarında yapay zeka destekli kişiselleştirme: Tüketici davranışları ve karar verme üzerine bir anket
AYA KHALIL
Yüksek Lisans
İngilizce
2024
İşletmeİstanbul Ticaret ÜniversitesiSosyal Bilimler Ana Bilim Dalı
ASSOC. PROF. DR. EVRİM İLDEM DEVELİ