Use of Data Mining Techniques to Determine Presence of Coronary Artery Disease and Deriving a Risk Score by Employing Risk Factors".

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Çukurova Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği, Türkiye

Tezin Onay Tarihi: 2017

Tezin Dili: İngilizce

Öğrenci: Jale BEKTAŞ

Asıl Danışman (Eş Danışmanlı Tezler İçin): TURGAY İBRİKÇİ

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu çalışma, öncelikle Koroner Arter Hastalığı (KAH) hakkında eksik veriler içeren bir veri seti üzerinde makine öğrenme algoritmaları uygulanarak sınıflandırma sorunlarına odaklanmakta ve dört sınıflı bir veri kümesinden oluşan bir risk puan tahmin sistemini önermektedir. Üç adet veri seti doldurma yöntemi uygulanır: K-ortalamalar, çok katmanlı perseptron (ÇKP), ve öz örgütlenmeli harita (ÖÖH). ÇKP ile test edilmiş ÇKP doldurma metodu, 0.90 duyarlılık ve 0.18 özgüllük ile bu çalışmada araştırılan diğer yöntemler arasındaki en iyi metottur. ÇKP metoduyla doldurulmuş veri seti dört sınıflı bir yapıya dönüştürülerek ele alınır. YSA yönteminin yüksek seviyede örnekleme ve Relief-f ile birlikte kullanımında önceki sonuçlar %72,3 doğruluk değerine sahipken işlemlerden sonra %84,1 doğruluk, 0.84 duyarlılık ve 0.94 özgüllük değerlerine ulaşılmıştır. Bu çalışma ayrıca iki farklı veri kümesinde LR ile DVM kullanan bir karma sınıflandırma prosedürü sunmaktadır. Sonuçlar, karma yaklaşımın, problemi bir defada tüm dengesiz veri kümesi eğitimiyle çözen etkili bir algoritma geliştirmeye izin verdiğini göstermektedir.