Geri Dön

Tanısal kararlılığın artırılmasına yönelik çok aşamalı topluluk öğrenmesi yaklaşımı: Çocukluk çağı alt solunum yolu enfeksiyonları üzerine bir uygulama

A multi-stage ensemble learning approach for enhancing diagnostic stability: An application to pediatric lower respiratory tract infections

PDF İndir

  1. Tez No: 992598
  2. Yazar: ELİF DABAKOĞLU
  3. Danışmanlar: DOÇ. DR. ÖYKÜM ESRA YİĞİT, DOÇ. DR. YAŞAR TOPAL
  4. Tez Türü: Doktora
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Çocukluk çağı pnömonisi ile akut bronşiti ayırt etmek, semptomların büyük ölçüde örtüşmesi nedeniyle süregelen ve çözümü güç bir klinik sorun olmaya devam etmekte ve bu durum tanısal belirsizliklere yol açabilmektedir. Mevcut yaklaşımların önemli bir kısmının sınırlı sayıda biyobelirteçe odaklanması veya tekil bir öğrenme paradigmasına dayanması, tanısal duyarlılık ve özgüllük açısından istenen düzeyde performans elde edilmesini güçleştirmektedir. Bu tez çalışmasında, söz konusu sınırlılıkları aşmak ve tanısal doğruluğu artırmak amacıyla yapılandırılmış, tamamlayıcılık esasına dayalı bir topluluk öğrenme çerçevesi tanıtılmaktadır. Bu tez çalışmasında, Türkiye'de üçüncü basamak bir sağlık kurumundan elde edilen kayıtlar kullanılarak oluşturulan retrospektif bir kohortta yer alan toplam 868 çocuk hastaya ait veriler analiz edilmiştir. Veri seti; demografik, klinik, laboratuvar ve radyolojik değişkenleri kapsamakta olup, tanısal dağılım korunarak eğitim ve bağımsız test kümelerine ayrılmış; veri sızıntısını önlemek amacıyla tüm ön işleme adımları yalnızca eğitim verisi üzerinde gerçekleştirilmiştir. Önerilen modelleme çerçevesi, çeşitlilik, kararlılık ve tamamlayıcılık ilkeleri doğrultusunda üç aşamalı olarak sistematik bir biçimde yapılandırılmıştır. İlk aşamada, farklı öğrenme paradigmalarını temsil eden heterojen temel öğreniciler eğitilmiştir. İkinci aşamada, genelleme kararlılığı esas alınarak çok ölçütlü bir değerlendirme yapılmış ve performans istikrarı belirlenen eşik değerin altında kalan modeller elenmiştir. Son aşamada, kalan modeller arasındaki tamamlayıcılık nicel ölçütler üzerinden değerlendirilmiş ve bu değerlendirme sonuçlarına dayalı olarak bir bilgi füzyonu stratejisi uygulanmıştır. Bu kapsamda, out-of-fold tahmin olasılıkları ile öznitelik önem profillerinin birleştirilmesiyle elde edilen hibrit meta-girdi, Çok Katmanlı Algılayıcı tabanlı bir meta-öğreniciye beslenmiştir. Önerilen modelleme çerçevesi, bağımsız test kümesi üzerinde yüksek performans metrikleri elde ederek güçlü bir tanısal ayırt edicilik sergilemiş, elde edilen bulgular, yapının klinik açıdan genellenebilir ve güvenilir bir karar destek aracı olabileceğini göstermiştir. Bu tez kapsamında geliştirilen tamamlayıcılık temelli topluluk öğrenme çerçevesi, çocukluk çağı pnömonisi ile akut bronşitin ayırt edilmesinde yüksek tanısal performans ve genelleme kararlılığı ortaya koymakta, tamamlayıcı bilgi füzyonuna dayalı mimarisiyle topluluk öğrenme alanında genellenebilir bir yöntemsel çerçeve sunmaktadır.

Özet (Çeviri)

Distinguishing pediatric pneumonia from acute bronchitis remains a persistent and difficult clinical problem due to the substantial overlap of symptoms, and this situation may lead to diagnostic uncertainty. A significant proportion of existing approaches focus on a limited number of biomarkers or rely on a single learning paradigm, making it difficult to achieve the desired level of diagnostic sensitivity and specificity. In this thesis, a complementarity-based ensemble learning framework is introduced in order to overcome these limitations and improve diagnostic accuracy. In this thesis, data from a total of 868 pediatric patients included in a retrospective cohort constructed using records obtained from a tertiary healthcare institution in Türkiye were analyzed. The dataset comprises demographic, clinical, laboratory, and radiological variables and was divided into training and independent test sets while preserving the diagnostic distribution; all preprocessing steps were applied exclusively to the training data in order to prevent data leakage. The proposed modeling framework was systematically structured in three stages in accordance with the principles of diversity, stability, and complementarity. In the first stage, heterogeneous base learners representing different learning paradigms were trained. In the second stage, a multi-criteria evaluation based on generalization stability was performed, and models whose performance stability fell below the predefined threshold were eliminated. In the final stage, the complementarity among the remaining models was quantitatively evaluated, and a knowledge fusion strategy was implemented based on the results of this evaluation. Within this scope, a hybrid meta-input obtained by combining out-of-fold prediction probabilities and feature importance profiles was fed into a Multilayer Perceptron–based meta-learner. The proposed modeling framework demonstrated strong diagnostic discriminative capability by achieving high performance metrics on the independent test set, and the obtained findings indicate that the structure may serve as a clinically generalizable and reliable decision-support tool. The complementarity-based ensemble learning framework developed in this thesis demonstrates high diagnostic performance and generalization stability in distinguishing pediatric pneumonia from acute bronchitis and provides a methodologically generalizable framework in the field of ensemble learning through its complementary knowledge fusion–based architecture.

Benzer Tezler

  1. Tez No

    961113

    An efficient multi-neural network ensemble model for image classification

    Görüntü sınıflandırması için verimli bir çoklu-sinir ağ topluluğu modeli

    VELİ NAKÇİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ALTUN

  2. Tez No

    757851

    Obezite hastalarında yaşam kalitesi ve anksiyete ilişkisi

    Quality of life in obesity patients and relationship with anxiety

    SEYİTALİ SİNAN DAĞBAKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    PsikolojiÜsküdar Üniversitesi

    Bağımlılık Danışmanlığı ve Rehabilitasyon Ana Bilim Dalı

    PROF. DR. GÜL ERYILMAZ BEYTAŞ

  3. Tez No

    994664

    Cnn-radyomik füzyon ve açıklanabilir birleşik modelleme kullanarak diş radyografilerinde çok modelli kök lezyonlarının sınıflandırılması

    Multi-modal lesion classification in dental radiographs using Cnn–radiomics fusion with explainable ensemble learning

    EMRE AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZUHAL CAN

  4. Tez No

    313835

    Investigation of telomerase activity and gene expression in colorectal cancer

    Kolon kanserinde telomeraz aktivitesi ve gen ifadesinin incelenmesi

    AHU İZGİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    GenetikOrta Doğu Teknik Üniversitesi

    Biyoloji Ana Bilim Dalı

    PROF. DR. UFUK GÜNDÜZ

  5. Tez No

    950202

    Periferik yaymada görüntü iyileştirme teknikleri kullanarak sonuçların derin öğrenme tabanlı analizi ve sınıflandırılması

    Deep learning-based analysis and classification of peripheral blood smear results using image enhancement techniques

    OLCAY PALTA

    Doktora

    Türkçe

    Türkçe

    2025

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HANİFİ GÜLDEMİR

    DOÇ. DR. MUSA ÇIBUK

Geri Dön