Geri Dön

Tıbbi cihaz envanter doğrulamasında yapay zeka tabanlı sınıflandırma uygulaması

Ai-based classification approach for medical device inventory validation

PDF İndir

  1. Tez No: 981891
  2. Yazar: BÜŞRA ÇELİK SARIYERLİOĞLU
  3. Danışmanlar: DR. NEDİM MUZOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Sağlık Yönetimi, Healthcare Management
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: Hamidiye Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Sağlık Bilişimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada, tıbbi cihazların sınıflandırılmasına yönelik yapay zekâ tabanlı bir model geliştirilmiştir. Beş farklı türdeki tıbbi cihazlara ait görüntülerden öznitelik çıkarımı için VGG16 ve ResNet-50 gibi derin öğrenme modelleri kullanılmıştır. Sınıflandırmada ise Destek Vektör Makineleri (SVM) ve K En Yakın Komşu (KNN) gibi makine öğrenmesi algoritmalarına başvurulmuştur. Ayrıca öznitelik birleştirme ve seçme yöntemleri uygulanarak modelin doğruluk, duyarlılık ve kesinlik gibi performans ölçütleri değerlendirilmiştir. Çalışma, tıbbi cihaz envanter yönetiminde yapay zekâ tabanlı çözümlerin yaygınlaştırılmasını amaçlamaktadır. Çalışmada, Kaggle platformundan temin edilen 'Medikal Cihaz 5' görüntü veri seti kullanılmıştır. Veri seti; anestezi cihazı, ventilatör, EKG, hasta başı monitörü ve fetal monitöre ait görüntüleri içermektedir. Veri kümesi eğitim, doğrulama ve test alt gruplarına ayrılmıştır. Eğitim setinde görüntü artırma yöntemiyle veri dengesizliği giderilmiştir. Bu sayede aşırı uydurma sorununun önüne geçilmiştir. Öznitelik çıkarımı için VGG16 ve ResNet-50 modellerinden yararlanılmıştır. Ardından fMRMR yöntemiyle en anlamlı 100, 200 ve 300 öznitelik seçilmiştir. VGG16 ve ResNet-50 özniteliklerinin birleştirilmesiyle %94,7 doğruluk elde edilmiştir. 200 öznitelik ile SVM algoritması %96,29, KNN ise %93,65 doğruluk sağlamıştır. SVM, tüm denemelerde KNN'ye göre daha yüksek performans göstermiştir. Bu çalışma, tıbbi cihazların sınıflandırılmasında yapay zekâ temelli yaklaşımların etkili olduğunu göstermiştir. Farklı derin öğrenme modellerinden elde edilen özniteliklerin birleştirilerek geleneksel makine öğrenmesi algoritmalarıyla entegre edilmesi, sınıflandırma performansını artırmıştır. Elde edilen model, doğru ve hızlı envanter yapılanmasına katkı sağlayarak sağlık kuruluşlarında yapay zekâ tabanlı sistemlerin uygulanabilirliğine yönelik önemli bir adım sunmaktadır.

Özet (Çeviri)

In this study, an artificial intelligence-based model was developed for the classification of medical devices. Deep learning models such as VGG16 and ResNet-50 were employed for feature extraction from images of five different types of medical devices. For classification, machine learning algorithms such as Support Vector Machines (SVM) and K-Nearest Neighbors (KNN) were utilized. In addition, feature fusion and feature selection methods were applied to evaluate performance metrics such as accuracy, sensitivity, and precision. The study aims to promote the adoption of artificial intelligence-based solutions in medical device inventory management. The dataset used in this study, titled Medical Device 5, was obtained from the Kaggle platform. It contains images of anesthesia machines, ventilators, ECG monitors, patient monitors, and fetal monitors. The dataset was divided into training, validation, and testing subsets. Data augmentation techniques were applied to the training set to address class imbalance, thereby preventing overfitting. Feature extraction was performed using the VGG16 and ResNet-50 models, and the fMRMR method was used to select the most significant 100, 200, and 300 features. By combining the features extracted from VGG16 and ResNet-50, an accuracy of 94.7% was achieved. Using 200 selected features, the SVM algorithm achieved 96.29% accuracy, while KNN achieved 93.65%. SVM consistently outperformed KNN across all experiments. This study demonstrates the effectiveness of artificial intelligence-based approaches in the classification of medical devices. Integrating features obtained from different deep learning models with traditional machine learning algorithms enhanced the classification performance. The proposed model contributes to accurate and efficient inventory structuring, representing a significant step toward the implementation of AI-based systems in healthcare institutions.

Benzer Tezler

  1. Tez No

    313543

    Impact of product variety on inventory performance: An empirical analysis of pharmaceutical and medical device industries

    Ürün çeşitliliğinin envanter performansına etkisi: İlaç ve tıbbi cihaz endüstrisi ampirik analizi

    ALİ YAĞMUR AYDINLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Endüstri Mühendisliği Bölümü

    YRD. DOÇ. DR. ALPER ŞEN

  2. Tez No

    179078

    Desing of a medical equipment management software

    Tıbbi cihaz yönetim sistemi yazılımı tasarımı

    EVRİM ECE YARDIMCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF.DR. YEKTA ÜLGEN

  3. Tez No

    269799

    MEDEMAS-Medical device maintenance management system via remote access

    MEDEMAS-uzaktan erişimle tıbbi cihaz bakım yönetim sistemi

    ÜLKÜ BALCI DOĞAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    BiyomühendislikBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMED ÖZKAN

  4. Tez No

    891607

    Ambulans iç dizaynı ve envanterindeki değişimin sağlık çalışanlarının memnuniyetine, iş performansına ve iş güvenliği algılarına etkisinin incelenmesi: Adıyaman ili örneği

    Investigation of the effect of change in ambulance interior design and inventory on healthcare workers' satisfaction, work performance and occupational safety perceptions: Adıyaman province example

    MEHMET TALİP TEKİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Sağlık YönetimiAnkara Yıldırım Beyazıt Üniversitesi

    Sağlık Yönetimi Bilim Dalı

    DOÇ. DR. KEZİBAN AVCI

  5. Tez No

    282751

    ISO 15189 standardizasyonunun biyokimya laboratuvarına uygulanması

    The application of ISO 15189 standardisation to biochemistry laboratory

    SAİME POLAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDIN AKAN

    YRD. DOÇ. DR. MANA SEZDİ

Geri Dön