Early detection of infections blood diseases in donors using machine learning and deep learning techniques
Makine öğrenmesi ve derin öğrenme teknikleri kullanılarak donörlerde enfeksiyöz kan hastalıklarının erken tespiti
- Tez No: 998393
- Danışmanlar: DR. ÖĞR. ÜYESİ FATMA ÖZGE ÖZKÖK
- 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: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Transfüzyonla bulaşan enfeksiyonlar (TTI'ler), dünya genelinde kan güvenliği için kritik bir sorun olmaya devam etmektedir. Bu çalışma, kan vericilerinde enfeksiyöz kan hastalıklarının erken tespiti için makine öğrenmesi (ML) ve derin öğrenme (DL) tekniklerini uygulamaktadır. Çalışmada, kan vericilerinden ve Hepatit C hastalarından elde edilen 582 laboratuvar ve demografik kayıttan oluşan bir veri seti kullanılmıştır. Veriseti, %70 eğitim (407 örnek, dengesizliği gidermek için SMOTE ile 738'e çıkarıldı) ve %30 test (175 örnek) olarak ayrıldı. Altı model—Lojistik Regresyon (LR), Rastgele Orman (RF), XGBoost (XGB), Yapay Sinir Ağı (ANN), Çok Katmanlı Algılayıcı (MLP) ve İleri Beslemeli Sinir Ağı (FNN)—geliştirilmiş ve optimize edilmiştir. Ön işleme süreci, keşifsel veri analizi, normalizasyon, etiket kodlama ve sınıf dengesizliğini gidermek için Sentetik Azınlık Aşırı Örnekleme Tekniği (SMOTE) yöntemlerini içermektedir. Hiperparametre ayarlamaları, 5 katlı çapraz doğrulama ile GridSearchCV, Optuna ve Bayesian optimizasyonu kullanılarak yapılmıştır. Sonuçlar, topluluk yöntemleri ve optimize edilmiş DL modellerinin daha basit yaklaşımlardan üstün olduğunu göstermektedir. RF modeli %100 doğruluk, duyarlılık, kesinlik, özgüllük ve F1 puanı elde ederken; XGB %99,4 doğruluk, %100 duyarlılık, %94,7 kesinlik, %99,4 özgüllük ve %97,3 F1 puanına ulaşmıştır. DL modelleri arasında, ANN ve FNN kusursuz sınıflandırma başarısı göstermiş. Bu çalışma, yapay zekâ tabanlı modellerin sağlık sistemlerine entegre edilmesi için tekrarlanabilir bir çerçeve sunmakta ve güvenli, verimli kan bağışı uygulamalarını güçlendirmeyi hedeflemektedir.
Özet (Çeviri)
Transfusion-transmitted infections (TTIs) remain a critical challenge for blood safety worldwide. This study applies machine learning (ML) and deep learning (DL) techniques to the early detection of infectious blood diseases in donors, using a dataset of 582 laboratory and demographic records from blood donors and Hepatitis C patients. The dataset was split into 70% training (407 samples, expanded to 738 with SMOTE for balance) and 30% testing (175 samples). Six models—Logistic Regression (LR), Random Forest (RF), XGBoost (XGB), Artificial Neural Network (ANN), Multi-Layer Perceptron (MLP), and Feedforward Neural Network (FNN)—were developed and optimized. Preprocessing included exploratory data analysis (EDA), normalization, label encoding, and Synthetic Minority Oversampling Technique (SMOTE) to address class imbalance. Hyperparameter tuning was conducted using 5-fold cross-validation with GridSearchCV, Optuna, and Bayesian optimization. The results showed that ensemble methods and optimized DL models outperformed simpler approaches. RF achieved 100% accuracy, recall, precision, specificity, and F1-score, while XGB reached 0.994 accuracy, 1.000 recall, 0.947 precision, 0.994 specificity, and 0.973 F1-score. Among DL models, ANN and FNN achieved perfect classification performance. This study provides a replicable framework for integrating AI-driven models into healthcare systems to strengthen safe and efficient blood donation practices.
Benzer Tezler
- Şizofreni ve bipolar bozukluklar ile enfeksiyon hastalıklar arasındaki ilişkinin araştırılması
Investigation of relationship between schizophrenia and bipolar disorders with infections agents
MAHDİ MARZİ
Doktora
Türkçe
2016
MikrobiyolojiÇukurova ÜniversitesiTıbbi Mikrobiyoloji Ana Bilim Dalı
PROF. DR. FATİH KÖKSAL
- Akraba dışı hematopoetik kök hücre nakli yapılan hastaların uzun dönem takibi ve klinik seyir
Long term follow-up and clinical outcomes of unrelated hematopoetic stem cell transplantation
ELİF AKSOY
Tıpta Uzmanlık
Türkçe
2020
Hematolojiİstanbul Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. İPEK YÖNAL HİNDİLERDEN
- Monosit dağılım genişliği (MDW) parametresinin hematopoetik kök hücre nakli yapılan erişkin ve pediatrik hastalarda engraftman takibindeki yerinin araştırılması
Investigation of the role of monocyte distribution width (MDW) parameter in engraftment monitoring in adult and pediatric patients undergoing hematopoietic stem cell transplantation
İDİL MELİS ÇOBANOĞLU
Tıpta Uzmanlık
Türkçe
2024
HematolojiGazi ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. NESLİHAN BUKAN
PROF. DR. ZÜHRE KAYA
- Ege üniversitesi Tıp fakültesi ve Mersin Üniversitesi Tıp Fakültesi Kan Merkezlerine başvuran kan vericilerinde HBsAg negatifliğinde HBV-DNA'nın araştırılması
Investigation of HBV-DNA in HBsAg negative blood donors admitted to the blood centers of Ege University Faculty of Medicine and Mersin University Faculty of Medicine
ARZU BAYRAM
Tıpta Uzmanlık
Türkçe
2011
MikrobiyolojiEge ÜniversitesiTıbbi Mikrobiyoloji Ana Bilim Dalı
DOÇ. DR. RÜÇHAN YAZAN SERTÖZ
- Kan donörlerinde hücresel immün cevabın erken belirleyicisi olan neopterin düzeylerinin araştırılması
Başlık çevirisi yok
İNCİ FİŞENK
Tıpta Uzmanlık
Türkçe
2004
MikrobiyolojiHacettepe ÜniversitesiMikrobiyoloji ve Klinik Mikrobiyoloji Ana Bilim Dalı
PROF.DR. DÜRDAL US