Geri Dön

The efficiency of classification techniques in predicting thyroid disease

Tiroid hastalığını öngörmede sınıflandırma tekniklerinin etkinliği

PDF İndir

  1. Tez No: 676303
  2. Yazar: KHALID ABDALSTAR SALMAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EMRULLAH SONUÇ
  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: 2021
  8. Dil: İngilizce
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Hastalıkların teşhisi ve öngörülmesi, makine öğrenimi tekniklerinin en önemli uygulamaları arasındadır. Son zamanlarda, makine öğrenimi algoritmaları, hastalıkların teşhis edilmesi ve sınıflandırılmasında önemli bir role sahip olmuştur. Bu hastalıklar arasında tiroid hastalığı insan sağlığı için önemi olan başlıca hastalıklardan birisidir, çünkü tiroid bezi insan metabolizmasını düzenlemede kritik bir rol oynar. Bu çalışmada, tiroid hastalığını teşhis etmek için sekiz adet makine öğrenme tekniği (Destek Vektör Makineleri, Rastgele Orman, Karar Ağacı, Naive Bayes, Lojistik Regresyon, K-En Yakın Komşular, Çok Katmanlı Algılayıcılar, Doğrusal Ayrımcılık Analizi) kullanılmıştır. Tiroid hastalığı bu çalışmada üç kategoriye ayrılmıştır: hipertiroidizm, hipotiroidizm ve normal. Çalışmada kullanılan veriler Irak'ta bulunan bir hastanenin laboratuvarlarından 1250 kayıt kullanılarak toplanmıştır. Makine öğrenimi algoritmaları, tiroid hastalıklarının teşhisinde umut verici sonuçlar elde etmiş olup, klinisyenlerin ve sağlık çalışanlarının hastalığı erken teşhis etmesine yardımcı olabileceği kaanatine varılmıştır. Sonuçlara göre Rastgele Orman algoritması tüm öznitelikler ile %98.93 ile en yüksek doğruluğu, üç adet özniteliğin (query_thyroxine, query_hypothyorid and query_hyperthyroid) kaldırılmasıyla kullanılan Çok Katmanlı Algılayıcılar ise %95.73 ile en yüksek doğruluğu elde etmiştir.

Özet (Çeviri)

Diagnostics and prediction of diseases are among the most important applications of machine learning techniques. Recently, machine learning algorithms have had an essential and convincing role in diagnosing and classifying diseases. Among these diseases, thyroid disease is a concern for human health, as the thyroid gland plays a critical role in regulating human health because it regulates human metabolism. This study used eight machine learning techniques (Support Vector Machines, Random Forest, Decision Tree, Naive Bayes, Logistic Regression, K-Nearest Neighbors, Multi-layer Perceptron (MLP), Linear Discriminant Analysis) to diagnose thyroid disease. Thyroid disease is classified in this study into three categories: hyperthyroidism, hypothyroidism, and normal. The data used in this study were collected from the laboratories of a hospital in Iraq, which consisted of 1250 records. Machine learning algorithms have achieved promising results in diagnosing thyroid diseases, helping clinicians and health workers to diagnose the disease early, and increase the chances of treatment. The Random Forest algorithm got the highest accuracy of 98.93% with all the features, and the MLP algorithm got the highest accuracy of 95.73% with the deletion of three properties which are (query_thyroxine, query_hypothyorid and query_hyperthyroid).

Benzer Tezler

  1. Tez No

    985688

    Retrospektif kohort çalışmaları için yapay zeka destekli kullanıcı arayüzü geliştirilmesi: Nükleer tıp alanında bir vaka çalışması

    Development of an artificial intelligence- assisted user interface for retrospective cohort studies: A case study in nuclear medicine

    ABDURRAHMAN RAJAB

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgi ve Belge YönetimiMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ SARIKAŞ

    DOÇ. DR. RABİA LEBRİZ USLU BEŞLİ

  2. Tez No

    634062

    Tiroid nodülü değerlendirmesinde eu-tırads risk değerlendirme sınıflamasının özgüllüğü, duyarlılığı ve tanısal doğruluğu

    Specificity, sensitivity and diagnostic accuracy of the eu-tirads risk assessment classification in the assessment of the thyroid nodule

    MUSTAFA ERTUĞRUL YURTTERİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Genel CerrahiSağlık Bilimleri Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    UZMAN GAMZE ÇITLAK

    UZMAN HÜDA ÜMİT GÜR

    UZMAN SERCAN YÜKSEL

  3. Tez No

    608640

    İşlem esnasında sitopatolog olmadan yapılan tiroid ince iğne aspirasyon biyopsilerinde yeterliliği etkileyen faktörler; klasik yayma ve sıvı bazlı yayma yöntemlerinin karşılaştırılması

    Factors that affect diagnostic value in thyroid fine needle biopsies without on site cytopathologists ; comparison of conventional smear and liquid based methods

    AYŞE ÖZDAL SAYER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Radyodiagnostik Ana Bilim Dalı

    UZMAN CENNET ŞAHİN

  4. Tez No

    167341

    Statistical learning and optimization methods for improving the efficiency in landscape image clustering and classification problems

    Görüntü kümelendirme ve sınıflandırma algoritmalarının performansını arttırmak için istatistiksel öğrenme ve optimizasyon metodlarının kullanımı

    SELİME GÜROL

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    Bilim ve TeknolojiOrta Doğu Teknik Üniversitesi

    PROF.DR. BÜLENT KARASÖZEN

    Y.DOÇ.DR. HAKAN ÖKTEM

  5. Tez No

    672469

    Under-sampling models to improve classification of rare class in imbalanced dataset

    Dengesiz veri kümesinde nadir sınıfın sınıflandırılmasını geliştirmek için alt örnekleme modelleri

    ZINA ZUHAIR RAOF AL-SHAMAA

    Doktora

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Ana Bilim Dalı

    Assist. Prof. Dr. SEFER KURNAZ

Geri Dön