Makine öğrenmesi ve bilgisayar görüsü ile düşme riski tahmini: Hemşirelikte klinik karar destek sisteminin geliştirilmesi
Predicting fall risk using machine learning and computer vision: Development of a clinical decision support system in nursing
- Tez No: 960914
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜRKAN ÖZDEN
- Tez Türü: Yüksek Lisans
- Konular: Hemşirelik, Nursing
- Anahtar Kelimeler: Makine öğrenmesi, Bilgisayar görüsü, Düşme riski, Klinik karar destek sistemi, Hemşirelik, Düşme, Hemşirelik bakımı, Hemşirelik bilişimi, Hemşirelik hizmetleri, Machine learning, Computer vision, Fall risk, Clinical decision support system, Nursing, Falling, Nursing care, Nursing informatics, Nursing services
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Hemşirelik Ana Bilim Dalı
- Bilim Dalı: İç Hastalıkları Hemşireliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu araştırma, makine öğrenmesi ve bilgisayar görüsü teknikleri ile düşme riski tahmini yapabilen ve hemşirelikte klinik karar alma süreçlerini destekleyecek bir sistem geliştirmeyi amaçlamaktadır. Materyal ve Metot: Araştırma, Aralık 2024 - Mayıs 2025 tarihleri arasında Turgut Özal Tıp Merkezi Fiziksel Tıp ve Rehabilitasyon servisinde tasarım ve geliştirme modeliyle yürütülmüştür. Örneklemi, düşme riski taşıyan ve araştırma kriterlerine uyan 148 birey oluşturmuştur. Katılımcıların verileri Morse Düşme Ölçeği, bilgisayar görüsü ile yürüyüş analizi ve ivmeölçer cihazları kullanılarak toplanmıştır. Görsel analizde YOLOv8 modeli ve sinir ağlarının eğitimi için Keras platformu, sınıflandırma işlemlerinde ise Lojistik Regresyon, Boosting, Karar Ağacı, Random Forest, Naive Bayes, DVM ve KEYK algoritmaları kullanılmıştır. Bulgular: Geliştirilen sistem, yürüyüşe ilişkin kinematik verileri kullanarak bireylerin düşme riskini yüksek doğruluk oranıyla sınıflandırabilmiştir. Morse Düşme Ölçeği ile sistem çıktıları arasında istatistiksel olarak anlamlı bir ilişki bulunmuştur (p<0.05). Boosting tabanlı sınıflandırıcının diğer yöntemlere göre daha yüksek başarı sağladığı görülmüştür. Sonuç: Bu çalışma, bilgisayar görüsü ve makine öğrenmesi tekniklerinin klinik ortamlarda düşme riskini tahmin etmede etkili bir araç olarak kullanılabileceğini göstermiştir. Hemşirelik uygulamalarına entegre edilebilecek bu sistemin, hasta güvenliğini artırmada ve düşmeye bağlı komplikasyonları önlemede önemli katkılar sağlayabileceği sonucuna varılmıştır.
Özet (Çeviri)
Objective: This study aims to develop a system that can predict fall risk using machine learning and computer vision techniques and support clinical decision-making processes in nursing. Materials and Methods: The research was conducted between December 2024 and May 2025 at the Physical Medicine and Rehabilitation Department of Turgut Özal Medical Centre using a design and development model. The sample consisted of 148 individuals who were at risk of falling and met the research criteria. Participants' data were collected using the Morse Fall Scale, computer vision-based gait analysis, and accelerometer devices. The YOLOv8 model and the Keras platform were used for visual analysis and training neural networks, while Logistic Regression, Boosting, Decision Tree, Random Forest, Naive Bayes, SVM, and KNN algorithms were used for classification. Findings: The developed system was able to classify individuals' fall risk with high accuracy using kinematic data related to walking. A statistically significant relationship was found between the Morse Fall Scale and the system outputs (p<0.05). The Boosting based classifier was found to be more successful than other methods. Conclusion: This study demonstrated that computer vision and machine learning techniques can be used as effective tools for predicting the risk of falling in clinical settings. It was concluded that this system, which can be integrated into nursing practices, can make significant contributions to improving patient safety and preventing complications associated with falling.
Benzer Tezler
- Diesel motorları yakıt püskürtme sistemlerinin dinamik simülasyonu
Başlık çevirisi yok
İRFAN KARAGÖZ
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ BORAT
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Yenileme yatırımları
Başlık çevirisi yok
OSMAN NURİ FİLİZ
Yüksek Lisans
Türkçe
1986
İşletmeGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN OKKA
- Çeltik kabuklarının yalıtım malzemesi olarak kullanılması
Başlık çevirisi yok
B.CİHAN ÇELEBİ
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET KIRBIYIK
- Hızlı katılaşma ile yüksek mukavemetli malzemelerin üretilmesi ve kurşun-asit akümalatörlerine uygulanması
Başlık çevirisi yok
ÜMİT AKÇAL
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİM DEMİRCİ