Geri Dön

Makine öğrenmesi ve derin öğrenme tabanlı sağkalım modellerinin karşılaştırılması: Açıklanabilir yapay zeka yaklaşımı

Comparison of machine learning and deep learning-based survival models: An explainable artificial intelligence approach

PDF İndir

  1. Tez No: 1015383
  2. Yazar: ESRA AKAYDIN GÜLTÜRK
  3. Danışmanlar: DOÇ. DR. EMEK GÜLDOĞAN
  4. Tez Türü: Doktora
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: İnönü Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Amaç: Kolon kanseri sağkalım verisinde istatistiksel, ağaç tabanlı, ensemble, kernel ve derin öğrenme yaklaşımlarını temsil eden on farklı modelin tahmin performansının karşılaştırılması ve açıklanabilirlik yöntemleriyle karar mekanizmalarının değerlendirilmesi amaçlanmıştır. Materyal ve metot: R survival paketindeki colon veri seti (n=888, olay=430, olay oranı=%48.4) kullanıldı. Model performansı 5×3 iç içe çapraz doğrulama ile değerlendirilmiş; C-index, Integrated Brier Score ve zamana bağlı AUC metrikleri hesaplandı. Model güvenilirliği 1000 tekrarlı bootstrap ile %95 güven aralıkları üzerinden değerlendirilmiştir. Bulgular: İç içe çapraz doğrulamada en yüksek ortalama C-index DeepSurv (0.6569), RSF (0.6568) ve DeepHit (0.6567) modellerinde birbirine çok yakın elde edilmiş; RSF en düşük IBS (0.1743) ve en yüksek TD-AUC değerlerinden biri (0.7161) ile en dengeli performansı göstermiştir. Bootstrap analizinde ExtraSurvTrees en yüksek C-index (0.7350), IBS (0.1503) ve TD-AUC (0.8098) değerlerine ulaşmış; ancak iç içe çapraz doğrulamadaki düşük sıralaması bu sonucun iyimser yanlılığına işaret etmektedir. SHAP analizi tüm modellerde pozitif lenf düğümü sayısını en güçlü prognostik faktör olarak belirlemiştir. SurvSHAP(t) öznitelik öneminin zamana bağlı değişimini, SurvLIME ise hasta düzeyinde yorumlanabilir risk profilleri ortaya koymuştur. Sonuç: Ensemble yöntemler tutarlı üstünlük gösterirken derin öğrenme modelleri küçük-orta ölçekli verilerde kararsızlık riski taşımaktadır. Açıklanabilirlik analizleri modeller arası tutarlı prognostik örüntüleri doğrulayarak klinik karar destek uygulamalarına zemin hazırlamaktadır.

Özet (Çeviri)

Aim: This study aimed to compare the predictive performance of ten models representing statistical, tree-based, ensemble, kernel, and deep learning approaches on colon cancer survival data and to evaluate their decision mechanisms using explainability methods. Material and method: The colon dataset from the R survival package (n=888, events=430, event rate=48.4%) was used. Model performance was evaluated using 5×3 nested cross-validation with C-index, Integrated Brier Score, and time-dependent AUC. Model reliability was assessed through 1000-iteration bootstrap with 95% confidence intervals. Results: In nested cross-validation the highest mean C-index values were very close across DeepSurv (0.6569), RSF (0.6568), and DeepHit (0.6567); RSF showed the most balanced performance with the lowest IBS (0.1743) and one of the highest TD-AUC values (0.7161). In bootstrap analysis ExtraSurvTrees achieved the highest C-index (0.7350), IBS (0.1503), and TD-AUC (0.8098), although its low nested-CV ranking indicates the optimistic bias of this estimate. SHAP analysis identified the number of positive lymph nodes as the strongest prognostic factor across all models. SurvSHAP(t) revealed time-dependent variations in feature importance, while SurvLIME provided patient-level interpretable risk profiles. Conclusion: Ensemble methods demonstrated consistent superiority while deep learning models carried instability risk on small-to-medium datasets. Explainability analyses confirmed consistent prognostic patterns across models, laying the groundwork for clinical decision support applications.

Benzer Tezler

  1. Tez No

    102

    Diyabetus mellitus'da gözlenen mikrovasküler komplikasyonların prostaglandinler ile olan ilişkisi

    The Relation of microvaskular complications observed in diabetes mellitus with prostoglandins

    CANAN NEBİGİL

    Doktora

    Türkçe

    Türkçe

    1985

    Eczacılık ve FarmakolojiCumhuriyet Üniversitesi

    Farmakoloji Ana Bilim Dalı

    YRD. DOÇ. DR. YUSUF SARIOĞLU

  2. Tez No

    353

    Kam yapma aparatı

    Cam milling attachment

    ORHAN UZUN

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiGazi Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FEVZİ ERCAN

  3. Tez No

    203

    Diesel motorları yakıt püskürtme sistemlerinin dinamik simülasyonu

    Başlık çevirisi yok

    İRFAN KARAGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. OĞUZ BORAT

  4. Tez No

    354

    Helisel yayların statik karakteristiklerini ölçme ve kontrol etme cihazının tasarımı ve imalatı

    Design and manufacture of a device measuringand controlling the static characteristics of helical springs

    MUAMMER MUSULLUOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Makine MühendisliğiGazi Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FEVZİ ERCAN

  5. Tez No

    355

    Güneş enerjisi ile çalışan R21-DMF li soğurmalı soğutma çevrimin analizi ve bazı tersinmezliklerin çevrimin performansı üzerindeki etkilerinin incelenmesi

    Analysis of R21-DMF solar powered absorpption refrigeration system and effect of someirreversbilities on the Performance of the cycle

    SEYİT ARİF TÜR

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Makine MühendisliğiGazi Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERCAN ATAER

Geri Dön