Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.13087/2353
Title: Veri madenciliği ile diyabet hastalığı teşhisinde karma sınıflandırıcı algoritma önerilmesi ve karar destek sistemi geliştirilmesi
Other Titles: Suggestion of mixed classification algorithm in diagnosis of diabetes with data mining and developing a decision support system
Authors: Erginel, Nihal
Potur, Ezgi Aktaş
Keywords: Endüstri ve Endüstri Mühendisliği
Industrial and Industrial Engineering
Issue Date: 2021
Publisher: Eskişehir Teknik Üniversitesi
Abstract: Diyabet, uzun dönemde insan vücudunda pek çok hasara sebep olmaktadır. Dünyada 463 milyon insanın diyabet hastalığına sahip olduğu tahmin edilmektedir. Diyabetli hastaların %50,1'i hastalığından habersiz bir şekilde yaşamına devam etmektedir. Diyabet hastalarını tamamen iyileştirebilen bir tedavinin olmadığı ve hastalığından habersiz çok sayıda insanın var olduğu düşünüldüğünde erken teşhisin büyük bir öneme sahip olduğu söylenebilir. Bu çalışmada hastalık teşhisi için veri madenciliği tekniklerinden birisi olan sınıflandırma algoritmalarından faydalanılmıştır. Veri setini en iyi temsil edebilecek değişkenlerin belirlenmesi amacıyla öznitelik seçimi yapılmıştır. Seçilen öznitelikler ile sınıflandırma algoritmalarının başarıları WEKA programında test edilmiştir. En iyi sonuç veren algoritmalardan Naive Bayes, yapay sinir ağları ve karar ağacı algoritmaları birlikte kullanılarak karma bir yöntem önerilmiştir. Sınıflandırma algoritmalarının çoğunluğun tahmin sonucu dikkate alınarak oluşturulan karma yöntemin sınıflandırma başarısının algoritmaların bireysel sınıflandırma başarılarından daha yüksek olduğu görülmüştür. Visual Studio programında C# programlama dili ile veri girişi yapılmasını kolaylaştıracak görsel bir arayüz tasarlanmıştır. Oluşturulan arayüz ile kullanıcı hekimlerin öğrenmek istedikleri sonuçları karmaşıklıklar olmadan görebilmeleri sağlanmıştır.
Diabetes has been causing many damages in the human body in the long term. It is predicted that 463 million people in the world have diabetes. 50,1% of the patients with diabetes continue their lives unaware of their disease. Considering that there is no treatment that can completely cure diabetic patients and there are many people unaware of the disease, it can be said that early diagnosis is quite important. In this study classification algorithms which is one of the data mining techniques were used for the diagnosis of disease. Feature selection was made in order to select the variables that were best representative the data set. The success rates of classification algorithms with the selected features were tested in the WEKA. A mixed method was proposed by using Naive Bayes, artificial neural network and decision tree together, which are among the algorithms that give the best results. It was observed that the classification success of the mixed method, which was created by considering the estimation results of the majority of the classification algorithms, was higher than the individual classification success of the algorithms. A visual interface was designed in Visual Studio to facilitate data entry with C# programming language. With the interface created, the user physicians were enabled to see the results they wanted to learn without any complexity.
URI: https://hdl.handle.net/20.500.13087/2353
https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=8tbPippmWV_b-Irrn9YEAs6OhU-KqqLGT3b-27s3cqcAvfhzLdb1Z8ID8xkhqkK_
Appears in Collections:Tez Koleksiyonu

Show full item record

CORE Recommender

Page view(s)

102
checked on Oct 3, 2022

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.