Gallstone detection using machine learning algorithms with metaheuristics
Metasezgisel makine öğrenme algoritmaları ile safra taşı tespiti
- Tez No: 984144
- Danışmanlar: DOÇ. DR. HİLAL ARSLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Safra taşı hastalığı, dünya çapında büyük bir nüfusu etkileyen önemli bir sağlık sorunudur. Görüntüleme teknikleri safra taşı tespiti için yaygın olarak kullanılsa da pahalı olabilmekte ve bazen yanlış sonuçlar verebilmektedir. Etkinlikleri operatör becerisi, görüntüleme çözünürlüğü, taş bileşimi ve hastaya özgü koşullar gibi faktörlere bağlıdır. Manyetik rezonans görüntüleme ve endoskopik ultrason gibi teknikler de pahalı ekipman ve özel uzmanlık gerektirdiğinden daha az erişilebilirdir. Bu çalışmada, görüntüleme teknikleri yerine yapay zeka kullanarak biyoimpedans ve laboratuvar verilerinden safra kesesi taşlarını tahmin etmek için yeni bir yöntem sunuyoruz. Veri setimiz yaş, cinsiyet, kan parametreleri ve biyoimpedans verileri dahil olmak üzere 38 parametre içermektedir. Safra taşı hastalığını tanımlamak için ayırt edilebilir özelliklerin seçilmesi, sınıflandırma performansını artırmada kritik bir adımdır. Bu çalışmada, yeni bir topluluk özellik seçimi yöntemi öneriyoruz. Bunu başarmak için, öncelikle minimum redundansi maksimum alaka, ki-kare testi, varyans analizi, Kruskal-Wallis olmak üzere dört istatistiksel özellik seçim yöntemi ve ardından gri kurt optimizasyonu, balina optimizasyon algoritması, harris hawk optimizasyonu ve parçacık sürüsü optimizasyonu olmak üzere dört metasezgisel özellik seçim yöntemi uyguluyoruz. Önerilen topluluk özellik seçim yöntemi, safra kesesi taşlarını tanımlamak için en etkili özellikleri belirlemek üzere dört istatistik ve dört metasezgisel yöntem arasından en az yedi yöntemle seçilen özellikleri seçer. Seçilen özelliklerin etkinliğini değerlendirmek için lojistik regresyon, Naive Bayes, destek vektör makinesi, karar ağacı, k-en yakın komşu, gradyan artırma, Adaboost, rastgele orman ve sınıflandırma için çok katmanlı perceptron yöntemleri uygulanmaktadır. Önerilen topluluk özellik seçimi yöntemini kullanan rastgele orman, 38 özellik yerine 11 özellik kullanarak 90.62\% ile en yüksek doğruluğa ulaşmaktadır. Önerilen özellik seçim yöntemi, sınıflandırma karmaşıklığını azaltmakta ve doğruluk ile seçilen özellik sayısı açısından mevcut yöntemlere göre üstünlük sağlamaktadır.
Özet (Çeviri)
Gallstone disease is a significant health concern that affects a large population worldwide. Although imaging techniques such as magnetic resonance and endoscopic ultrasound are commonly used for gallstone detection, they can be expensive and sometimes yield inaccurate results. These techniques also require expensive equipment and specialized expertise, making them less accessible. In this study, we introduce a new method for predicting gallstones from bioimpedance and laboratory data using artificial intelligence instead of imaging techniques. Our dataset includes 38 parameters, including age, gender, some blood parameters, and bioimpedance data. The selection of differentiable features for identifying gallstone disease is a critical step in enhancing classification performance. In this study, we propose a new ensemble feature selection method based on metahuristic and statistical methods. To achieve this, we first apply four statistical feature selection methods, which are minimum redundancy maximum relevance, chi-square test, analysis of variance, the Kruskal-Wallis, followed by four metaheuristic feature selection methods, which are grey wolf optimization, whale optimization algorithm, harris hawk optimization, and particle swarm optimization. The proposed ensemble feature selection method selects features that are chosen by at least seven methods among four statistics and four metaheuristic methods to determine the most effective features for identifying gallstones. To evaluate the effectiveness of the selected features, we apply logistic regression, Naïve Bayes, support vector machine, decision tree, k-nearest neighbor, gradient boosting, Adaboost, random forest, and multilayer perceptron methods for classification. The random forest using the proposed ensemble feature selection method achieves the highest accuracy of 90.62\% by using 11 features instead of 38. The proposed feature selection method significantly reduces classification complexity and improves overall performance of the machine learning methods. The superiority of the proposed method is also highlighted by comparing it with state-of-the-art studies that predict gallstones based on precision and number of features.
Benzer Tezler
- Bilgisayarlı tomografi (BT) görüntülerinde safra kesesi taşının morfometrik özelliklerinin belirlenmesi ve karaciğer içi safra kanallarının tespiti
Determination of morphometric properties of gallstone and detection of intra-hepatic bile ducts in computerized tomography images (CT)
MAHMUT NEDİM EKERSULAR
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ALKAN
- Akut pankreatitli hastalarda salusin beta düzeyinin hastalığın şiddeti ile ilişkisi
The relationship of salusin beta level with the severity of the disease in patients with acute pancreatitis
EMEL AYVAZ GÜNEYİN
Tıpta Uzmanlık
Türkçe
2023
GastroenterolojiAtatürk Üniversitesiİç Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜLENT ALBAYRAK
- Molecular cloning and characterization of bile salt hydrolase from Lactobacillus fermentum
Lactobacıllus fermentum'dan safra tuzu hidrolazının moleküler klonlanması ve karakterizasyonu
HALKAWT ALI OTHMAN OTHMAN
Yüksek Lisans
İngilizce
2022
BiyolojiBolu Abant İzzet Baysal ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. MEHMET ÖZTÜRK
- Koledokolitiazisli akut biliyer pankreatit hastalarında Amerikan ve Avrupa gastrointestinal endoskopi derneği kılavuzları önerilerinin karşılaştırılması
Comparison of the recommendations of the American and European gastrointestinal endoscopy societies' guidelines in patients with acute biliary pancreatitis with choledocholithiasis
SARPER ÇALIŞKAN
Tıpta Uzmanlık
Türkçe
2025
GastroenterolojiSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DR. ASLIHAN ÇALIM
- Akut kolesistitte large unstaıned cells değerinin hastalığın şiddetinin belirlenmesindeki rolü
The role of large unstained cells in determining the severity of disease in acute cholecystitis
BAKHTIYAR ASLANOV
Tıpta Uzmanlık
Türkçe
2024
Genel CerrahiSağlık Bilimleri ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. ALİ SAPMAZ