Artificial neural network applied to the prediction of in-hospital mortality
Hastane içi ölüm oranı tahminine uygulanan yapay sinir ağı
- Tez No: 997427
- Danışmanlar: PROF. DR. LUCA CITI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Unıversıty Of Essex
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hastane içi mortalite tahmini, Yoğun Bakım Ünitelerindeki (YBÜ) hastaların mortalite tahminleri için bir yöntem geliştirmeye dayanmaktadır. YBÜ'ye kabul edilen hastalar, hastanedeki tüm hastalar arasında en hassas olanlardır. Ölçümleri, YBÜ'ye kabul edildikten sonraki ilk 48 saat boyunca kalan hastalar için kaydedilir. Bu projede, YBÜ verileri kullanılarak 0 (hayatta kalmayı ifade eder) ve 1 (ölümü ifade eder) ikili sayılarından oluşan sonuçları gözlemlemek için Yapay Sinir Ağı tekniği kullanılmıştır. Saf veri 12000 kayıttan oluşmaktadır ve MIMIC II Klinik veritabanından alınmıştır. MIMIC II veritabanında klinik veriler ve monitör dalga formu olmak üzere iki tür veri bulunmaktadır [8]. Klinik veriler ilişkisel veritabanında saklanır ve hastanın YBÜ'ye kabul edildiği anda altı tanımlayıcı içerir. Veriler, Veri Kümesi A (eğitim için), Veri Kümesi B (test için) ve Veri Kümesi C (organizatörler tarafından kullanılacak) olmak üzere üç bölüme ayrılmıştır. Yoğun bakım kayıtlarının ilk bölümü olan A veri setini eğitmek için hem genel tanımlayıcıları hem de zaman serisi ölçümlerini kullanan iki farklı sinir ağı modeli oluşturulmuştur. Bir ağ modeli tek bir gizli katmandan oluşurken, diğer model giriş ve çıkış katmanları arasında iki gizli katman içermektedir. Aynı veri seti (A veri seti) bu modellerde eğitilerek, ROC (Alıcı İşletim Karakteristiği) eğrisi altındaki alan kullanılarak elde edilen en iyi doğruluk gözlemlenmiştir. Her iki sinir ağı modeli de farklı tahmin ayrımcılığı göstermektedir. Tek gizli katmanlı sinir ağı modelinin tahmin doğruluğu, iki gizli katmanlı modelden daha iyidir.
Özet (Çeviri)
The prediction of in-hospital mortality is based on to develop a method for Intensive Care Units (ICU) patients for their mortality predictions. Patients admitted in ICU are the most delicate of all patients in the hospital. Their measurements are recorded for patients staying during the first 48 hours after admitting in ICU. In this project Artificial Neural Network technique was used to observe the outcomes which consist of binary numbers 0 (it refers to survive) and 1 (it refers to death) with the use of ICU data. The pure data contains 12000 records and it is taken from MIMIC II Clinical database. There are two types of data in the MIMIC II database which are clinical data and monitor waveform [8]. The clinical data is stored in relational database and contains six descriptors at the time the patient is admitted to the ICU. The data is divided into three parts which are Dataset A (for training), Dataset B (for testing) and Dataset C (to be used by organizers). Two different neural network models are created to use both general descriptors and time-series measurements to train Dataset A that is first part of the ICU records. One network model consists of one hidden layer and the other model contains two hidden layers between input and output layer. The same dataset (Dataset A) was trained in these models to observe the best accuracy which is obtained with the use of area under ROC (Receiver Operating Characteristic) curve. Both neural network models approached shows different prediction discrimination. The prediction accuracy of one hidden layer neural network model is better than the two hidden layer model.
Benzer Tezler
- Yapay sinir ağları ve lojistik regresyon yöntemleri ile meme kanseri koltuk altı lenf nodu durumunun belirlenmesi
Prediction of the axillary lymph node status in breast cancer using artificial neural network and logistic regression analysis methods
RUKİYE KARAKIŞ
Yüksek Lisans
Türkçe
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiElektronik ve Bilgisayar Eğitimi Ana Bilim Dalı (disiplinlerarası)
PROF. DR. İNAN GÜLER
- Yapay zeka kullanılarak klinik tanının öngörülmesinde biyokimyasal test sonuçlarının rolünün araştırılması
Investigation of the role of biochemical test results in prediction of clinical diagnosis using artificial intelligence
YUSUF YEŞİL
Tıpta Uzmanlık
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. EVİN ADEMOĞLU
DOÇ. DR. ALPAY MEDETALİBEYOĞLU
- Veri madenciliği sınıflandırma algoritmalarının performans karşılaştırması: Tiroid hastalığının tahmini üzerinde bir uygulama
Performance comparison of data mining classification algorithms: An application on the prediction of thyroid disease
NİMET ÜRE
- Zeki sınıflandırma ve kümeleme yöntemlerinin tıbbi tanı ve tedavide kullanımı
The usage of intelligent classification and clustering methods in medical diagnosis and treatment
UĞUR ERKİN KOCAMAZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN TAŞKIN
- Döner sermaye işletmelerinde finansal başarısızlığın tahmini ve sağlık sektöründe bir uygulama
Prediction of financial failure in revolving fund enterprises and an application in the health sector
HANDE YÜKSELEN