Processing health data on social media with deep learning methods
Sosyal medyada derin öğrenme yöntemleriyle sağlık verilerinin işlenmesi
- Tez No: 926207
- Danışmanlar: PROF. DR. REDA ALHAJJ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Doğal dil işleme, RNN, Recurrent neural network, natural language processing
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İstanbul Medipol Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Bu araştırma, bireylerin şikayetlerine dayalı olarak sağlık hizmetlerinde yönlendirme yapmalarına yardımcı olacak bir sistemin geliştirilmesini ve uygulanmasını incelemektedir. Çalışma, zengin sözdizimi ve anlam yapıları içeren Arapça dilinde sunulan sağlıkla ilgili verilerle ilgili zorlukları ele alarak başlamaktadır. Bu verilerin daha geniş bir kitle tarafından erişilebilir olmasını ve hesaplama modelleriyle uyumlu hale getirilmesini sağlamak için öncelikle özel kodlama yöntemleri kullanılarak İngilizceye çevrilmektedir. Bu çeviri süreci, doğru bir sonraki işlemler için kritik olan orijinal verilerin bağlamını ve anlamını korumaya öncelik vermektedir. Çevrildikten sonra, sağlıkla ilgili veriler Recurrent Neural Network (RNN) yöntemi kullanılarak analiz edilmektedir. RNN'ler, ardışık verileri işlerken zamansal bağımlılıkları yakalama yetenekleri nedeniyle bu görev için özellikle uygundur. Model, kullanıcı şikayetlerindeki kalıpları tanımak ve çeşitli tıbbi uzmanlık alanlarına veya sağlık durumlarına karşılık gelen temel özellikleri belirlemek üzere eğitilmektedir. Bu kalıpları analiz ederek RNN modeli, girdileri belirli kategorilere ayırabilir ve kullanıcılar için uygulanabilir bilgiler üretebilir. Sistemin temel amacı, kullanıcının belirttiği semptomlara veya sağlık sorunlarına dayalı olarak en uygun tıbbi uzmanlık alanını veya departmanını önermektir. Örneğin, bir kullanıcı göğüs ağrısı ve nefes darlığı gibi semptomlar tarif ederse, sistem bir kardiyolog veya bir göğüs hastalıkları uzmanına danışmayı önerebilir. Benzer şekilde, sindirim sorunlarıyla ilgili semptomlar için sistem kullanıcıyı bir gastroenteroloğa yönlendirebilir. Bu kişiselleştirilmiş öneri yaklaşımı, kullanıcı deneyimini geliştirmekle kalmaz, aynı zamanda sağlık sisteminde gezinmek için harcanan zamanı da azaltır. Ayrıca, sistemin mimarisi ölçeklenebilirlik ve uyarlanabilirlik sağlamaktadır. Yeni veriler erişilebilir hale geldikçe, RNN modeli yeniden eğitilerek ortaya çıkan sağlık trendleri ve durumlarına uyum sağlayabilir, böylece önerilerinin doğru ve güncel kalmasını sağlar. Doğal dil işleme ve makine öğreniminin gücünden yararlanan bu araştırma, kullanıcılar ve sağlık hizmeti sağlayıcıları arasındaki boşluğu kapatmayı amaçlayarak sağlık hizmetlerine erişimi iyileştirmeyi ve daha iyi sağlık sonuçları elde etmeyi hedeflemektedir.
Özet (Çeviri)
This research explores the development and implementation of a system designed to assist individuals in navigating healthcare services based on their complaints. The study begins by addressing the challenges associated with health-related data presented in Arabic, a language rich in syntax and semantic structures. To ensure the data is accessible to a wider audience and compatible with computational models, it is first translated into English using custom coding methodologies. This translation process prioritizes preserving the context and meaning of the original data, which is critical for accurate downstream processing. Once translated, the health-related data is subjected to analysis using a Recurrent Neural Network (RNN). RNNs are particularly well-suited for this task because of their ability to process sequential data while capturing temporal dependencies. The model is trained to recognize patterns in user complaints, identifying key features that correspond to various medical specialties or health conditions. By analyzing these patterns, the RNN model can classify input data into specific categories and generate actionable insights for users. The primary goal of the system is to recommend the most appropriate medical specialty or department based on the user's stated symptoms or health concerns. For instance, if a user describes symptoms such as chest pain and shortness of breath, the system may suggest consulting a cardiologist or a pulmonologist. Similarly, for symptoms related to digestive issues, the system might direct the user to a gastroenterologist. This tailored recommendation approach not only enhances user experience but also reduces the time spent navigating the healthcare system. Furthermore, the system's architecture allows for scalability and adaptability. As new data becomes available, the RNN model can be retrained to accommodate emerging health trends and conditions, ensuring its recommendations remain accurate and relevant. By leveraging the power of natural language processing and machine learning, this research aims to bridge the gap between users and healthcare providers, ultimately improving access to medical services and fostering better health outcomes.
Benzer Tezler
- Öksürük ses kayıtları kullanılarak COVID-19 tahmini
Predicting COVID-19 using cough audio recordings
NURSEN KELEŞ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METE YAĞANOĞLU
- Covid-19 aşıları hakkındaki Türkçe tweetlerin doğal dil işleme ve derin öğrenme yardımıyla analizi
Analysis of Turkish tweets about Covid-19 vaccines with the help of natural language processing and deep learning
ÖZGÜN DEVRİM CAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞEBNEM BORA
PROF. DR. OĞUZ DİKENELLİ
- Doğal afetlerde çevrimiçi davranış verilerine dayalı ihtiyaç tahmini ve kaynak tahsis optimizasyonu: 2023 kahramanmaraş depremleri uygulaması
Demand prediction and resource allocation optimization based on online behavioral data in natural disasters: An application to the 2023 Kahramanmaraş earthquakes
MEHMET DEMİR
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiHacettepe ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDİ DAŞDEMİR
- Mental health on twitter turkey: sentiment analysis with transformers
Twitter'da ruh sağlığı Türkiye: Transformatörlerle duygu analizi
QAMAR ALI ABDULRIDHA AL-SHAMMARI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SÜREYYA AKYÜZ