Açıklanabilir yapay zeka ile boyun düzlüğü hastalığının tahmin edilmesi
Predicting cervical spine disease with explainable artificial intelligence
- Tez No: 935124
- Danışmanlar: DR. ÖĞR. ÜYESİ CEVRİYE ALTINTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Boyun düzlüğü hastalığı, servikal omurgada bulunan doğal kıvrımların kaybolması sonucunda ortaya çıkan bir rahatsızlıktır ve kişilerde ağrı, hareketlerin kısıtlanması gibi belirtilerle yaşam kalitesini olumsuz yönde etkilemektedir. Bu çalışmada, açıklanabilir yapay zekâ (AYZ) yöntemlerinden faydalanılarak boyun düzlüğü hastalığının derecelendirilmesi amaçlanmıştır. Araştırmanın amacı, hastalık teşhisi ve derecelendirme sürecini şeffaf ve anlaşılır bir şekilde sunmaktır. Bu çalışmada, Random Forest ve Decision Tree gibi makine öğrenmesi algoritmalarından yararlanılmış ve hiperparametre optimizasyonu ile bu modeller iyileştirilmiştir. Veri setinde bulunan öznitelikler, hastalığın derecelerini belirlemede modelin performansını artırmak amacıyla özenle seçilmiştir. Doğruluğu, hassasiyeti, duyarlılığı ve F1 skoru gibi metrikler kullanılıp modellerin performansı kıyaslanmıştır. Random Forest modeli, doğruluk oranı %88 olarak hesaplanmış ve dengeli sınıflandırma becerisiyle en yüksek performansı göstermiştir. Decision Tree algoritması, kolay yorumlanabilir olması nedeniyle klinik karar süreçlerinde tercih edilmiştir. Sonuç olarak, AYZ yöntemlerinin, boyun düzlüğü hastalığının tespit ve derecelendirilmesinde önemli bir etkisi olduğu gözlemlenmiştir. Bu incelemeler, tıbbi karar süreçlerini güçlendirirken, uzmanlara güvenilir ve anlaşılabilir bilgiler sunmakta ve sağlık alanında yeni çözümler ortaya çıkarmaktadır.
Özet (Çeviri)
Cervical spine straightening disease is a condition that occurs due to the loss of natural curvatures in the cervical spine, leading to restricted movement and pain. It negatively affects the course of life with its characteristics. In this thesis, grading of neck straightness is done with the help of explainable artificial intelligence (XAI) methods. The aim of the research is to present the disease diagnosis and grading process in a transparent and comprehensible manner. In the study, machine learning algorithms such as Random Forest and Decision Tree were used and hyperparameter optimization was used and improved with these models. The attributes in the data set have been carefully selected to enhance the model's performance in determining the severity of the disease. Metrics such as accuracy, precision, sensitivity and F1 score were used and compared in the performance of the models. When we look at the accuracy rate, the Random Forest model has proven the highest performance with 88% and balanced classification ability. It was chosen in clinical decision processes due to its simplicity and ease of explanation in the Decision Tree algorithm. As a result, it has been observed that XAI methods have a significant effect on the detection and grading of cervical straightening disease. While these investigations strengthen medical decision times, experts bring reliable and understandable information, and introduce new solutions in the field of healthcare.
Benzer Tezler
- Yeni bir açıklanabilir yapay zeka modeli geliştirilmesi
Developing a new explainable artificial intelligence model
AHMET HAYDAR ÖRNEK
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CEYLAN
- Elektrikli otobüslerde çizge tabanlı öznitelik seçimi ve makine öğrenmesi ile kestirimci bakım
Predictive maintanance with graph based feature selection & machine learning in electrical busses
AYŞE IRMAK ERÇEVİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET MURAT ÖZBAYOĞLU
- Derin öğrenme ve boyut indirgeme destekli makine öğrenmesi yöntemleriyle böbrek tümörü tespiti
Kidney tumor detection using deep learning and dimensional reduction-assisted machine learning methods
MUSTAFA TEKE
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TAHA ETEM
- Özgül öğrenme bozukluğunun dikkat eksikliği hiperaktivite bozukluğundaki sosyal beceriye etkisi
The effect of speci̇fi̇c learni̇ng di̇sorders on soci̇al abi̇li̇ty at the attenti̇on defi̇ci̇t hyperacti̇vi̇ty di̇sorders
NURCAN EREN ŞİMŞEK
Tıpta Uzmanlık
Türkçe
2017
PsikiyatriKocaeli ÜniversitesiÇocuk ve Ergen Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. NURSU ÇAKIN MEMİK
- Açıklanabilir yapay zeka ile konut piyasasının geleceğinde veri odaklı kararlar
Data-driven decisions on the future of the housing market with explainable artificial intelligence
HALE UYSAL
Yüksek Lisans
Türkçe
2025
Yönetim Bilişim SistemleriBurdur Mehmet Akif Ersoy ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. ADNAN KALKAN