Yoğun bakımda ağrısını sözlü ifade edemeyen hastalarda derin öğrenme modelleri ile ağrı şiddetinin değerlendirilmesi
Assessment of pain intensity with deep learning models in patients who cannot verbalize their pain in intensive care unit
- Tez No: 947900
- Danışmanlar: PROF. DR. FATMA ETİ ASLAN
- Tez Türü: Doktora
- Konular: Hemşirelik, Nursing
- Anahtar Kelimeler: Yoğun Bakım, Yapay Zekâ, Derin Öğrenme Modeli, Yüz ifadesi, Ağrı, Intensive Care, Artificial Intelligence, Deep Learning Model, Facial expression, Pain
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Hemşirelik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 101
Özet
Çalışma, yoğun bakımda ağrısını sözlü ifade edemeyen hastalar için derin öğrenme modelleri ile ağrı şiddetinin değerlendirilmesi amacıyla yapıldı. Bu çalışmada derin öğrenme tabanlı DenseNet-169 modeli kullanıldı. Veri setindeki her bir görüntüden toplam 1024 özellik çıkarıldı ve bu özellikler modelin eğitimi için kullanıldı. Daha sonra, Temel Bileşen Analizi yöntemi kullanılarak belirgin özellikler tespit edildi. 1024 özellik arasından en anlamlı 100 özellik belirlendi. Seçilen bu 100 özellik, 636 veri örneği ile modele aktarıldı ve sınıflandırma işlemi gerçekleştirildi. Modelin başarısını değerlendirmek için hassasiyet geri çağırma F1-skoru ve doğruluk istatiksel ölçütleri kullanıldı. Modelin güvenirliği Cross-Validation yöntemiyle test edildi. Çalışma sonuçlarımızda, En iyi genel doğruluğa sahip modelin SVM (Destek Vektör Makinesi) (%96,88) olduğu belirlendi. En düşük performans gösteren RF (Rastgele Orman) modelinin genellikle en düşük doğruluk (%92,91) ve F1-skoruna (0.9247) sahip model olduğu belirlendi. Sınıflandırmada, hafif ağrı sınıfı için en iyi modelin KNN (K-En Yakın Komşular (0.9459) ve SVM (0.9620), orta ağrı sınıfı için en iyi modelin KNN (0.9574) Şiddetli ağrı sınıfı için en iyi modelin SVM (0.9663) ROC (Alıcı İşletim Karakteristiği Eğrisi) ve AUC (Eğrinin Altındaki Alan) açısından en iyi modelin SVM (0.9942) olduğu tespit edildi. Sonuç olarak bu çalışmada test edilen yüz ifadesi analizinde kullanılan derin öğrenme modeli yöntemlerinin geçerli ve güvenilir bir yöntem olduğu belirlendi. Derin öğrenme modelleri yoğun bakımlarda sağlık profesyonelleri için alternatif bir ağrı değerlendirmesi yöntemi olarak kullanılabilir.
Özet (Çeviri)
The study was conducted to assess pain intensity with deep learning models for patients who cannot verbalize their pain in intensive care unit. The deep learning-based DenseNet-169 model was used in this study. A total of 1024 features were extracted from each image in the dataset and used to train the model. Then, salient features were identified using Principal Component Analysis. Among the 1024 features, the 100 most significant features were identified. These 100 selected features were transferred to the model with 636 data samples and classification was performed. Precision, recall, F1-score and accuracy were used to evaluate the success of the model. The reliability of the model was tested with the Cross-Validation method. In our study results, SVM (Support Vektor Machine) (%96,88) was found to have the best overall accuracy. The lowest performing RF (Random Forest) model was generally found to have the lowest accuracy (%92.91) and F1-score (0.9247 In the classification, KNN (0.9459) and SVM (0.9620) were the best models for mild pain class, KNN (K-Nearest Neighbors) (0.9574) was the best model for moderate pain class, SVM (0.9663) was the best model for severe pain class and SVM (0.9942) was the best model in terms of ROC (Receiver Operating Characteristic Curve) and AUC (Area Under Curve). In conclusion, the deep learning model methods used in facial expression analysis tested in this study were found to be valid and reliable. Deep learning models can be used as an alternative pain assessment method for healthcare professionals in intensive care units.
Benzer Tezler
- Emzirme pozisyonlarının emzirme başarısına etkisi
The effect of breast-feeding positions on the breast-feeding success
NAZLI PEHLİVAN
Yüksek Lisans
Türkçe
2018
Kadın Hastalıkları ve DoğumEge ÜniversitesiKadın Sağlığı ve Hastalıkları Hemşireliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZLEM DEMİREL BOZKURT
- Yoğun bakımda çalışan hemşirelerde ergonomik risk analizine göre tekrarlı hareketlerin kas iskelet sistemi rahatsızlıklarına etkisi
Effect of repeated movements according to ergonomic risk analysis on intensive care nurses' musculoskeletal system disorders
EBRU ARSLAN
Yüksek Lisans
Türkçe
2018
Halk SağlığıEskişehir Osmangazi ÜniversitesiHemşirelik Ana Bilim Dalı
DOÇ. DR. ÖZLEM ÖRSAL
- Yoğun bakım hastalarında fiziksel kısıtlama uygulanan ekstremitelerde komplikasyon gelişme durumunun değerlendirilmesi
Evaluation of complication development in extremitites with physical restraint in intensive care patients
İLKNUR YILDIZ
Yüksek Lisans
Türkçe
2023
HemşirelikEskişehir Osmangazi ÜniversitesiHemşirelik Ana Bilim Dalı
DOÇ. DR. AYŞE ÖZKARAMAN
- Soğuk uygulamanın medyan sternotomili hastalarda ağrı ve solunum egzersizlerine etkisi
Effects on pain and breathing exercises of cold therapy in median sternotomy patients
GÜLBANU ZENCİR
- Torakotomi sonrası yara yerine lokal anestezik infüzyonunun postoperatif ağrıya etkisinin retrospektif olarak incelenmesi
Evaluation of the efficacy of local anesthetic wound infusion on postoperative pain after thoracotomy-a retrospective observational study
ÖMER BURAK ÖZSANCAKTAR
Tıpta Uzmanlık
Türkçe
2016
Anestezi ve ReanimasyonHacettepe ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
PROF. DR. MERAL KANBAK
YRD. DOÇ. DR. BAŞAK AKÇA