Geri Dön

Heart disease diagnostic using data mining techniques

Verı madencılığı teknikleri kullanarak kalp hastahğı tanısı

PDF İndir

  1. Tez No: 520848
  2. Yazar: ASAAD SHAREEF
  3. Danışmanlar: YRD. DOÇ. DR. SEFER KURNAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Son zamanlarda, biyoteknoloji ve fitness bilimleri alanlarındaki devam eden yaklaşımlar nedeniyle büyük veri yığınları oluşturulmuştur. Elektronik Sağlık Kayıtlarında (EHR'ler) bulunan klinik bilgileri ve genetik verileri birleştirir. Öte yandan, birçok zorluğu önlemek için erken aşamada ekonomik yükleri omuzlarına yerleştirmenin yanı sıra insan sağlığını da inandırabilecek semptomları tanımak gerekmektedir. Son zamanlarda, birçok veri madenciliği prosedürü, sendromları etkili ve doğru bir şekilde tanımlayabilen otomatik operasyonların geliştirilmesinde hayati bir rol oynamıştır. Bu tezde, belirtileri tanımlamak için veri madenciliği prosedürlerini uygulayan bazı araştırma disiplinlerini sağlarız. Buna ek olarak, Karar Ağaçları (j48), Naïve Bayes, Çok Katmanlı Perceptron (ÇKP) ve Rastgele Orman (RO) gibi bir dizi iyi bilinen veri madenciliği metodu, kamuya açık kalp hastalıkları veri setini kullanarak sınıflandırma görevini gerçekleştirirken değerlendirilmiştir.

Özet (Çeviri)

Lately, large masses of data have been generated due to the ongoing approaches in biotechnology and fitness sciences areas. It combines clinical information and genetic data which included in Electronic Health Records (EHRs). On the other side, it is required to recognize symptoms, which can wrongly convince the human health in addition to placing economic burdens on their shoulders, in an early stage to avoid many difficulties. Lately, several data mining procedures have played a vital role in developing automated operations that can identify syndromes efficiently and correctly. In this thesis, we satisfy some of the research disciplines that have employed either the data mining procedures for identifying symptoms. Additionally, a set of well-known data mining methods including Decision Trees (j48), Naïve Bayes, Multilayer Perceptron (MLP), and Random Forest (RF) has been assessed in performing the classification task using a publicly available heart diseases dataset.

Benzer Tezler

  1. Tez No

    1010053

    An approach based on data mining and feature dimension reduction techniques for analysing heart disease data

    Kalp hastalığı verilerinin analizinde veri madenciliği ve öznitelik boyut azaltma tekniklerine dayalı bir yaklaşım

    AHMAD AYID AHMAD AHMAD

    Doktora

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN POLAT

  2. Tez No

    337920

    Çoklu sınıflandırıcı sistemleri ile konjestif kalp yetmezliği teşhisi

    Diagnosing the patients with congestive heart failure using multi stage classifier techniques

    ALİ NARİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    BiyomühendislikBülent Ecevit Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MAHMUT ÖZER

    YRD. DOÇ. DR. YALÇIN İŞLER

  3. Tez No

    453533

    Heart disease system prediction using data mining techniques

    Veri madenciliği teknikleri kullanarak kalp hastalığı sitemi tahmini

    MOHAMMED IBRAHIM MAHDI AL-AZZAWI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. DR. YURIY ALYEKSYEYENKOV

  4. Tez No

    662188

    Yelken balığı eniyileme yaklaşımı ile güçlendirilmiş karar ağacı algoritması kullanarak kalp rahatsızlıklarının teşhisi

    Using sailfish optimizer with enhanced decision tree algorithm to diagnose heart disease

    MURAT ONUR YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri MühendisliğiSüleyman Demirel Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERDAL AYDEMİR

  5. Tez No

    751032

    ECG arrythmia classification using Deep Neural Network

    ECG arrythmia classification using Deep Neural Network

    ZAKI UR REHMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    ASSIST. ASSOC. DR. SHAHRAM TAHERI

Geri Dön