Geri Dön

Diyabetik ayak hastalarının ampütasyon riskinin yapay zekâ teknikleri ile öngörülmesi

Prediction of amputation risk of patients with diabetic foot by artificial inteligence techniques

PDF İndir

  1. Tez No: 729840
  2. Yazar: DENİZHAN DEMİRKOL
  3. Danışmanlar: DOÇ. DR. ÇİĞDEM EROL
  4. Tez Türü: Doktora
  5. Konular: Biyoistatistik, Deniz ve Sualtı Hekimliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biostatistics, Marine and Underwater Medicine, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Ampütasyon, Bilgisayar destekli öğrenme, Makine öğrenmesi, Tahmin öğrenme, Tıbbi bilişim, Yapay zeka, Yönetim bilişim sistemleri, Amputation, Computer assisted learning, Machine learning, Forecast learning, Medical informatics, Artificial intelligence, Management information systems
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Enformatik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Diyabetik ayak sendromuna bağlı gelişen diyabetik ayak ülserleri, yüksek morbidite ve mortalite ile karakterize olup hastalar için ampütasyon gibi hayati sonuçları olabilen diyabetin en önemli komplikasyonları arasında bulunmaktadır. Bu doktora tez çalışmasının temel amacı diyabetik ayak hastalarının ampütasyon riskinin yapay zekâ-makine öğrenmesi sınıflandırma algoritmaları kullanılarak öngörülmesidir. Çalışmada kullanılan veri seti, İstanbul Üniversitesi Tıp Fakültesi Sualtı Hekimliği ve Hiperbarik Tıp Anabilimdalı'nda diyabetik ayak infeksiyonu tanısıyla Ocak 2009 – Eylül 2019 tarihleri arasında tedavi görmüş ve takip süreçleri sonlanmış 407 hastayı içermektedir. Bu tez çalışmasında, diyabetik ayak hastaları retrospektif olarak değerlendirilmiş, hastaların başvuru anındaki demografik ve klinik özellikleri ile takip ve tedavi sonucu sağlanan fayda ve ampütasyon ilişkisi yapay zekâ teknikleri ile açığa çıkarılmıştır. Araştırmada yöntem olarak Veri Tabanlarında Bilgi Keşfi süreci takip edilmiştir. Veri setindeki diyabetik ayak hastalığına ilişkin en önemli nitelikler Temel Bileşenler Analizi yoluyla belirlenmiştir. Bu tez çalışmasında diyabetik ayak hastalarının hem genel hem de majör ve minör ampütasyon riskinin öngörülmesi için çeşitli tahmin/sınıflandırma modelleri oluşturulmuştur. Bu modellerin kurulmasında, k-En Yakın Komşu algoritması, Sade Bayes Sınıflandırıcı, Sınıflandırma ve Regresyon Ağaçları algoritması (CART), Rastgele Orman Algoritması, Yapay Sinir Ağları, Aşırı Öğrenme Makineleri, Destek Vektör Makineleri, Lojistik Regresyon ve XGBoost algoritmalarından yararlanılmıştır. Hiperparametre optimizasyonu için ayrıca Genetik Algoritma ve Parçacık Sürü Optimizasyonu algoritmaları da kullanılmıştır. Model performans değerlendirme yöntemleri olarak; çapraz geçerleme, ikili ayırma yöntemi,“bootstrap sampling”ve üçlü ayırma yöntemleri kullanılmıştır. Veri seti ve alt kırılım veri setlerinde uygun makine öğrenmesi sınıflandırma algoritmalarının uygulanması hem nitelik seçimi işlemi gerçekleştirilmeden hem de gerçekleştirildikten sonra tekrarlanmıştır. Sonuç olarak nitelik seçimi yapılarak oluşturulmuş, kategorik ve nümerik değerlerden oluşan alt kırılım veri setinde daha iyi test performansı gösteren modeller; temelinde topluluk öğrenme metodolojisi bulunan“ensemble”bir yöntem olan“Rastgele Orman Algoritması”(doğruluk: 0,78; duyarlılık: 0,67; belirleyicilik: 0,87; kesinlik: 0,80; Negatif Öngörü Değeri: 0,77; F-Ölçütü:0,73) ve“Lojistik Regresyon”(doğruluk: 0,90; duyarlılık: 0,94; belirleyicilik: 0,86; kesinlik: 0,84; Negatif Öngörü Değeri: 0,95; F-Ölçütü: 0,89) algoritmaları olup, seçilen deney koşullarında diğer algoritmalara kıyasla daha iyi performans göstermiştir. R-Shiny kullanıcı ara yüzüne bu nedenle genel ampütasyonu tahmin etmek için oluşturulmuş ve ilgili deney koşullarında en yüksek performansı gösteren bu iki model entegre edilerek diyabetik ayak tedavisi ile uğraşan hekim ve sağlık personeline yardımcı bir karar destek sistemi geliştirilmiştir.

Özet (Çeviri)

Diabetic foot ulcers due to diabetic foot syndrome are characterized by high morbidity and mortality and are among the most important complications of diabetes mellitus, which can have vital consequences such as amputation for patients.The main purpose of this doctoral thesis is to predict the amputation risk of diabetic foot patients using artificial intelligence-machine learning classification algorithms. The dataset used in the doctoral thesis includes 407 patients who were treated with the diagnosis of diabetic foot infection in Istanbul University Faculty of Medicine, Department of Underwater and Hyperbaric Medicine between January 2009 and September 2019 and their follow-up processes were terminated. In this research, diabetic foot patients were evaluated retrospectively and it is aimed to determine with artificial intelligence techniques the relationship between the demographic and clinical features of the patients at the time of admission, and the benefits of the treatment and amputation results obtained through follow-up. In the research, the process of Knowledge Discovery in Databases created by Fayyad, Shapiro and Smyth (1996) has been followed. The most important features related to the amputation risk of diabetic foot patients in the data set were determined through Principal Component Analysis. In this doctoral thesis, various prediction/classification models were created to predict the risk of both general –“overall”and major and minor amputation –“multi class”risk of diabetic foot patients. In the creating of these models, k-Nearest Neighbor algorithm, Naive Bayes Classifier, Classification and Regression Trees Algorithm (CART, Random Forest algorithm, Artificial Neural Networks, Extreme Learning Machines, Support xxx Vector Machines, Logistic Regression and XGBoost Algorithms were used. Genetic Algorithm and Particle Swarm Optimization algorithms were also used for hyperparameter optimization for specific algorithms. As model performance evaluation methods; cross validation, hold-out method, bootstrap sampling and three way split methods were used. The application of appropriate machine learning classification algorithms on the dataset and sub-dimension datasets was repeated both before and after the feature selection process. As a result, the models that show the best performance in the sub-dimension data set consisting of categorical and numerical values, which were created by feature selection; the“Random Forest Algorithm”(accuracy: 0,78; sensitivity: 0,67; specificity: 0,87 ; precision: 0,80 ; negative predictive value: 0,77; F-Measure:0,73) which is an based on ensemble learning methodology and“Logistic Regression”algorithms (accuracy: 0,90; sensitivity: 0,94; specificity: 0,86; precision: 0,84; negative predictive value: 0,95; F-Measure: 0,89), performed better than other algorithms in the defined experimental conditions. Therefore, a decision support system has been developed to help physicians and healthcare professionals dealing with diabetic foot treatment by integrating these two prediction models, which show the highest performance in the relevant experimental conditions to the R-Shiny user interface.

Benzer Tezler

  1. Tez No

    983414

    Diyatetik ayak ülseri ve anemisi olan hastaların klinik seyri ve prognozunun belirlenmesi

    Determination of the clinical course and prognosis of patients with diatric foot ulcer and anemia

    BURAK YAVUZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    İç HastalıklarıSağlık Bilimleri Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DOÇ. DR. OSMAN İNAN

    DR. SERAP ULUSOY

  2. Tez No

    945148

    Diyabetik ayak ülseri olan hastalarda ilk başvuru anındaki klinik, laboratuvar ve görüntüleme özelliklerine göre amputasyon riskinin değerlendirilmesi

    Assessment of amputation risk according to initial clinical, laboratory, and radiological characteristics in patients with diabetic foot ulcers

    OSMAN GÖKKAYA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Genel CerrahiSağlık Bilimleri Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    DOÇ. DR. SERDAR GÖKAY TERZİOĞLU

  3. Tez No

    900492

    Nontravmatik alt ekstremite amputasyonlarının retrospektif incelenmesi

    Retrospective review of nontraumatic lower extremity amputations

    FATİH ERDOĞAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Ortopedi ve TravmatolojiTekirdağ Namık Kemal Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    DOÇ. DR. YAŞAR MAHSUT DİNÇEL

  4. Tez No

    826293

    Diyabetik ayak ülseri hastalarında diyabetik retinopatinin prevelansı ve ilişkili risk faktörleri

    The prevalence of diabetic retinopathy and associated risk factors among diabetic foot ulcer patients

    İSMAİL ALTINTAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Endokrinoloji ve Metabolizma HastalıklarıHarran Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN KARAASLAN

  5. Tez No

    452264

    Hiperbarik oksijen tedavisinin diyabetik ayak yaralarında etkinliğinin değerlendirilmesi

    Evaluation of the effectiveness of hyperbaric oxygen therapy in diabetic wounds

    ELİF EBRU ÖZER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    Deniz ve Sualtı HekimliğiGata

    Sualtı Hekimliği ve Hiperbarik Tıp Ana Bilim Dalı

    DOÇ. DR. GÜNALP UZUN

Geri Dön