Makale Koleksiyonu
Bu koleksiyon için kalıcı URI
Güncel Gönderiler
Öğe Kalp hastalığı teşhisinde yapay zekâ yöntemlerinin kullanımı ve karşılaştırılması(Konya Teknik Üniversitesi, 2022) Ünlü, HümaGünümüzde insan ölümlerinin önemli bir kısmı kalp hastalıkları kaynaklıdır. Bu tür hastalıklar erken teşhis ile tedavi edildiğinde belirtilen ölüm oranları ciddi bir şekilde azalabilmektedir. Bu çalışmada Cleveland ve Z-Alizadehsani veri kümeleri için yapay zeka teknikleriyle kalp hastalığı teşhisi uygulamaları gerçekleştirilmiştir.Cleveland veri kümesi için yaş, cinsiyet, göğüs ağrı türü, kan basıncı, kolesterol, kan şekeri, elektrokardiyografi sonucu, en yüksek kalp atış hızı, indüklenen göğüs ağrısı, eski zirve, eğim, majör damar sayısı, tal isimleriyle ifade edilen 13 özellik yapay zeka tabanlı erken teşhis sistemine girdi özellikler olarak verilmiştir. Z-Alizadehsani veri kümesi için ise veritabanında bulunan 55 özelliğin tamamı aynı yapay zeka sistemine girdi özellik olarak kullanılmıştır. Önerilen yapay zeka sisteminde Naive-Bayes, Lineer Regresyon, Polinomiyal Regresyon, Destek Vektör Makinası (DVM) gibi basit sınıflandırıcıların yanı sıra bir topluluk sınıflandırma yaklaşımı olan Rassal Orman ve Yapay Sinir Ağı tabanlı Çok Katmanlı Algılayıcı (ÇKA) kullanılmıştır. Yapılan deneylerde 10 K katlama ve Bekletme (20 çalıştırma) çapraz doğrulama yöntemleri kullanılmıştır. Çoklu Lineer Regresyon yaklaşımı bekletme yöntemiyle Cleveland veri kümesi için 0.90’a kadar doğruluk değeri üretirken Z-Alizadehsani veri kümesi için 0.91’e kadar doğruluk değeri üretmiştir. K katlama çapraz doğrulama yöntemi uygulandığında ise bu değerler iki veri kümesi için de 0.93’e kadar doğruluk oranına ulaşmıştır.DVM yöntemi Cleveland veri kümesi için K katlama yöntemiyle 0.97 doğruluk oranıyla en yüksek sonucu vermiştir. Genel olarak K katlama yönteminin Bekletme yöntemine göre daha başarılı sonuçlar ürettiği gözlemlenmiştir. Deneylerin detaylı sonuçları ve literatürde yapılan çalışmlarla karşılaştırmalı sonuçları çizelgelerde verilmiştir. Çalışmada kullanılan modeller Türkiye’deki hastane otomasyonları gibi sistemlere entegre edilerek hastalıkların erken ve doğru teşhis edilmesi sağlanabilecektir. Önerilen sistem, ideale yakın bir düzeyde geliştirildiğinde sürekli öğrenen bir web servis olarak hastanelerin otomasyon sistemlerine sunulabilecektir.