Basit öğe kaydını göster

dc.contributor.advisorPolat, Esra
dc.contributor.authorSıtkı, Yasemin Hande
dc.date.accessioned2021-01-22T09:14:02Z
dc.date.issued2020
dc.date.submitted2020-12-10
dc.identifier.urihttp://hdl.handle.net/11655/23292
dc.description.abstractNowadays, Data Mining is an increasingly important tool, especially in the administration of healthcare enterprises and in determining health-related policies, as it provides support for the decision-making processes of businesses by revealing information hidden from large dimensional data. Moreover, scientific publications have been made in the field of health in recent years to diagnose diseases using data mining algorithms. In this thesis, most frequently used data mining classification methods were examined, and a study was conducted to diagnose 18 different diseaes in the urology branch using the data collected from the patients who applied to the urology branch of four different public hospitals. For this purpose, classification algorithms Random Forest, Random Tree, Multilayer Perception, IBk, Kstar one of the sample based algorithms, Simple Logistic and Naive Bayes from statistical algorithms and ZeroR from rule learning algorithms were used, and the correct classification rates of the created models, namely how correctly they diagnosed the diseases, were examined. Among these algorithms Random Forest, Simple Logistic and Multilayer Perception algorithms have been found to be more successful in diagnosis than others. In future studies, an application can be developed for the diagnosis of diseases related to urology branch or diseases seen other branches by using the algorithms mentioned here. Thus, it may be possible to give healthcare professionals an idea in the diagnosis and to reduce their workload, to find the diseases in advance with early diagnosis and to shorten the treatment period.tr_TR
dc.language.isoturtr_TR
dc.publisherFen Bilimleri Enstitüsütr_TR
dc.rightsinfo:eu-repo/semantics/openAccesstr_TR
dc.subjectÜrolojitr_TR
dc.subjectVeri madenciliği
dc.subjectWEKA
dc.subjectRastgele Orman Algoritması
dc.subjectKarar Ağacı Algoritması
dc.titleTıp Bilişiminde Veri Madenciliği Yöntemleri Kullanılarak Hastalıkların Tahmin Edilmesitıp Bilişiminde Veri Madenciliği Yöntemleri Kullanılarak Hastalıkların Tahmin Edilmesitr_TR
dc.title.alternativePrediction of Diseases Using Data Mining Methods in Medical Informatics
dc.typeinfo:eu-repo/semantics/masterThesistr_TR
dc.description.ozetGünümüzde veri madenciliği büyük boyutlu verilerden saklı kalan bilgiyi ortaya çıkararak, işletmelerin karar verme süreçlerine destek sağlamasından ötürü özellikle sağlık işletmelerinin idaresinde ve sağlıkla ilgili politikaların belirlenmesinde önemi gittikçe artan bir araçtır. Ayrıca son yıllarda sağlık alanında veri madenciliği algoritmaları kullanılarak hastalıkların teşhis edilmesine yönelik bilimsel yayınlar yapılmaktadır. Bu tez çalışmasında, en sık kullanılan veri madenciliği sınıflandırma yöntemleri incelenmiş, dört farklı devlet hastanesinin üroloji branşına başvuran hastalardan toplanan veriler kullanılarak, üroloji branşında görülen 18 farklı hastalığın teşhisine yönelik bir çalışma yapılmıştır. Bu amaçla sınıflandırma algoritmalarından Rastgele orman (Random Forest), Rasgele ağaç (Random Tree), Çok katmanlı algılayıcılar (Multilayer Perception), K-en yakın komşu (IBk), Kstar, Lojistik regresyon, Naive Bayes ve ZeroR algoritması kullanılmış ve oluşturulan modellerin doğru sınıflandırma oranlarına yani hastalıkları ne kadar doğru teşhis ettiklerine bakılmıştır. Bu algoritmalardan Rasgele orman, Lojistik regresyon ve Çok katmanlı algılayıcılar algoritmalarının teşhiste diğerlerine göre daha başarılı olduğu görülmüştür. İlerleyen çalışmalarda üroloji branşına ilişkin hastalıklarının ya da başka branşlarda görülen hastalıkların teşhisine yönelik burada sözü geçen algoritmalar kullanılarak bir uygulama geliştirilebilir. Böylece sağlık çalışanlarına teşhiste fikir verilmesi ve iş yüklerinin azaltılması, erken teşhis ile hastalıkların önceden bulunarak tedavi sürelerinin daha kısa olması mümkün olabilir.tr_TR
dc.contributor.departmentİstatistiktr_TR
dc.embargo.termsAcik erisimtr_TR
dc.embargo.lift2021-01-22T09:14:02Z
dc.fundingYoktr_TR


Bu öğenin dosyaları:

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster