Cluster analysis of decompression illness
Dekompresyon hastalığının cluster analizi
- Tez No: 287362
- Danışmanlar: DR. VİNCENT LABATUT, YRD. DOÇ. DR. S. MURAT EGİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Dekompresyon Hastalığı, Clustering, birliktelik kuralları, veri madenciliği, birliktelik, COBWEB, K-Means, Decompression Illness, clustering, association rules, data mining, association, COBWEB, K-Means
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dekompresyon nedeniyle insan vücudunda dokularda lokal zararlara yol açan veya kan dolaşımını engelleyen hava kabarcıkları sebebiyle dalgıçlarda görülen Dekompresyon hastalığının çeşitli sınıflandırmaları mevcutturDekompresyon hastalığının teşhisi ve sınıflandırması hastanın farklı belirti ve bulgularının değerlendirilmesi ile yapılır. Tedavisi basınç odalarında yapılır ve koşulların hastalığın tipine göre belirlenen basınç ve zamanın ters çevrilmesiyle (Rekompresyon) yapılır.Dekompresyon hastalığının birçok belirti ve bulguya sahip olması farklı sınıflandırmalara ve dolayısıyla farklı tedavi şekillerine yol açmaktadır.Kimi zaman, doktor olmadığı ortamlarda tedavi basınç odası operatörleri tarafından başlatılmaktadır ve bu da dekompresyon hastalığının doğru sınıflandırılmasının ne kadar önemli olduğunu ve veri madenciliği tekniklerinin karar destek aracı olarak hastalığın tipini belirlemede kullanılabileceğini göstermektedir.Bu tez çalışmasında farklı clustering algoritmaları (k-ortalama, COBWEB, EM ) ile Divers Alert Network(Dalgıçların Acil Durum Ağı)'nın dalış yaralanmaları bildirim formlarından elde ettiğimiz belirti ve bulgu listelerini kullanarak dekompresyon hastalığını sınıflandırdık ve sonuçlarımızı klasik sınıflandırma yöntemleri, yeni yapılan istatiksel sınıflandırma yöntemleri ve tedavi sonuçları ile karşılaştırdık. Ayrıca teşhiste yardımcı olabilecek birliktelik kuralları (association rules) elde ettik.Sonuç olarak, clustering yöntemleriyle elde ettiğimiz sınıfların yeni yapılan istatistiksel sınıflandırmalarla ve klasik sınıflandırmalarla uyumlu olduğunu ve hafiften şiddetli vakalara giden hiyerarşik yapıda olduğunu gözlemledik.
Özet (Çeviri)
There have been many classifications of Decompression Illness (DCI) which is seen in divers as the result of bubbles which expand in human body causing local damage in tissues or which block blood circulation because of decompression.The diagnosis and classification of DCI is made observing the patient?s symptoms and signs. The treatment is performed in a hyperbaric chamber where the conditions are reversed (recompression) and the combination of pressure and time is determined by the type of the disease.The problem is that DCI has a lot of signs and symptoms, resulting in a lot of different classifications of the illness requiring different treatment plans which makes the correct classification of DCI extremely important and data mining techniques can be used as decision support tools to determine the type of DCI.In this thesis we classified empirically the DCI patients using the sign and symptom list of the Diving Injury Reporting Forms (DIRF) of Divers Alert Network with different clustering algorithms (k-means, COBWEB, EM) and compared our results with recent statistical studies on DCI classification and other classifications and outcome of treatment. And we have also found association rules which will contribute differential diagnosis.Consequently, the classes we have obtained after clustering have the characteristics of hierarchy from mild to severe as in other classifications and as in recent classifications of DCI.
Benzer Tezler
- DE NOVO FRATAXİN PROTEİNİ TASARIMI: KATLANMA MOTİFLERİ, METAL İYON BAĞLANMA BÖLGELERİ, MOLEKÜLER DOCKİNG VE MOLEKÜLER DİNAMİK SİMÜLASYONLAR İLE OPTİMAL STABİLİTE İÇİN YAPAY ZEKÂ DESTEKLİ YAKLAŞIMLAR
DE NOVO FRATAXIN PROTEIN DESIGN: AI-ASSISTED APPROACHES FOR OPTIMAL STABILITY THROUGH FOLDING MOTIFS, METAL ION BINDING SITES, MOLECULAR DOCKING AND MOLECULAR DYNAMICS SIMULATIONS
KEVSER KÜBRA KIRBOĞA
Doktora
Türkçe
2026
BiyomühendislikSüleyman Demirel ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. ECİR UĞUR KÜÇÜKSİLLE
- Cluster analysis of streamflow data over Turkey
Türkiye akım verilerinin küme analizi
MEHMET CÜNEYD DEMİREL
Yüksek Lisans
İngilizce
2004
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ.DR. ERCAN KAHYA
- Structural analysis of Abell 2554 galaxy cluster
Abell 2554 galaksi kümesinin yapısal özellikleri
MUHAMMED KIYAMİ ERDİM
Yüksek Lisans
İngilizce
2016
Fizik ve Fizik MühendisliğiYıldız Teknik ÜniversitesiFizik Ana Bilim Dalı
YRD. DOÇ. DR. MURAT HÜDAVERDİ
- A cluster analysis of medical tourists based on motivations: The case of Türkiye
Medikal turistlerin motivasyonlarına dayalı kümeleme analizi: Türkiye örneği
HISHAM ANBAR
- Spectral analysis of the a2384 galaxy cluster and the bridge between galaxy clusters
A2384 galaksi kümesinin ve galaksi kümeleri arasındaki köprünün spektral araştırması
ELİF NAZ TOKTAŞ
Yüksek Lisans
İngilizce
2025
Astronomi ve Uzay BilimleriBoğaziçi ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. ENİSE NİHAL ERCAN