Kalp ritim bozukluğu olan hastaların tedavi süreçlerini desteklemek amaçlı makine öğrenmesine dayalı bir sistemin geliştirilmesi
| dc.contributor.advisor | Uçar, Erdem | |
| dc.contributor.author | Aydın, Fatih | |
| dc.date.accessioned | 2015-01-28T09:18:55Z | |
| dc.date.available | 2015-01-28T09:18:55Z | |
| dc.date.issued | 2011 | |
| dc.department | Enstitüler, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı | en_US |
| dc.description | Yüksek Lisans Tezi | tr |
| dc.description.abstract | Bu tezde bilgisayar bilimlerinin önemli bir alanı olan yapay zekâ ve bir alt alanı olan makine öğrenmesi teknikleri kullanılarak bir tıp bilişimi uygulaması geliştirilmiştir. Bu uygulamayla aritmi hastalarının tedavi süreçlerine yardımcı olmak amacıyla öğrenmeye dayalı bir sistem gerçekleştirilmiştir. Geliştirilen sistem lokasyondan bağımsız olarak hastanın bazı metabolik parametrelerini alarak bu verileri uzak bir sunucu üzerindeki veritabanında depolamaktadır. Depolanan bu veriler bir uzman tarafından etiketlendikten sonra veri ambarına aktarılmaktadır. Veri ambarındaki bu veriler daha sonra makine öğrenmesi sınıflandırıcısı tarafından eğitim verileri olarak kullanılmaktadır. Geliştirilen Sistemde, makine öğrenmesi algoritması olarak k en yakın komşuluk (kNN) algoritması kullanılmıştır. kNN algoritmasının seçilme sebebi düşük bias'a sahip nonlineer bir fonksiyon olmasındandır. Bu nedenle yapılan tahminlerde yüksek oranda doğruluk sağlanmaktadır. Bu çalışmada bir insan uzman ve makine öğrenmesi yöntemi birlikte kullanılarak indaktif uzman sistem tasarımına gidilmiştir. Böyle bir tasarıma gidilmesindeki temel neden bir insan uzmanın geçmişten gelen tecrübelerinin herhangi bir yöntemle kazanılamamasıdır. Literatürde insan uzmanlığını içinde barındıran bu tür yöntemler en çok önerilen yöntemlerden biridir. | en_US |
| dc.description.abstract | Abstract | en_US |
| dc.description.abstract | In this study, a medical informatics application is developed based on machine learning techniques, itself a subfield of artificial intelligence which has great significance in computer sciences. Using this application, we developed a learning system to aid arrhythmia patients during their treatment processes. Operating independent of location, this system receives some of the metabolic parameters of the patient and stores them on a remote server database. These data are, then, transferred to a data warehouse, upon being inspected and labeled by an expert. The data in the warehouse, in turn, is used by a machine learning classifier as training data. As for machine learning algorithm, the system developed makes use of the k nearest neighbor (kNN) algorithm, for it is a nonlinear function with a low bias, thus ensuring high accuracy in prediction. In this study we created an inductive experts system using an expert and a machine learning method together, the reason being the lack of a method whereby an expert?s past experience can be gained. In the literature, methods that include human expertise are among the ones most recommended. | en_US |
| dc.identifier.uri | https://hdl.handle.net/20.500.14551/1577 | |
| dc.identifier.yoktezid | 300171 | en_US |
| dc.language.iso | tr | en_US |
| dc.publisher | Trakya Üniversitesi Fen Bilimleri Enstitüsü | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.subject | Bilgisayar Mühendisliği | en_US |
| dc.subject | Bilgisayar ve Kontrol | en_US |
| dc.subject | Computer Engineering | en_US |
| dc.subject | Computer Science | en_US |
| dc.subject | Makine Öğrenmesi | en_US |
| dc.subject | Tembel Öğrenme | en_US |
| dc.subject | Tıp Bilişimi | en_US |
| dc.subject | Tıpta Yapay Zekâ | en_US |
| dc.title | Kalp ritim bozukluğu olan hastaların tedavi süreçlerini desteklemek amaçlı makine öğrenmesine dayalı bir sistemin geliştirilmesi | en_US |
| dc.title.alternative | Developing a machine learning based system to assist treatment processes of arrhythmia patients | en_US |
| dc.type | Master Thesis | en_US |
| dc.type.description | No: 0059024 | en_US |
