Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi
[ X ]
Tarih
2017
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Kırıkkale Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
GünümüzdeKardiyovasküler Hastalıklar oldukça yaygındır ve ölüm nedenlerinin başındagelmektedir. Kardiyovasküler Hastalıkların bir tipi olan Koroner ArterHastalığının doğru ve zamanında teşhisi çok önemlidir. Koroner arterhastalığının kesin tanısı ve hastalık şiddetinin saptanmasında invaziv biryöntem olan anjiyografi altın standart olarak kullanılmaktadır. Anjiyografi,maliyeti yüksek ve ileri seviyede uzmanlık gerektiren bir yöntem olmasınınyanında ciddi komplikasyonlara da sebep olabilmektedir. Bu nedenlerle daha ucuzve etkili bir yaklaşım sağlayabilecek olan veri madenciliğinin kullanımı üzerindeçalışmalar yapılmaktadır. Bu çalışmada Koroner Arter Hastalığı riskinintespitinde bir sınıflama modeli geliştirmek için veri madenciliği yaklaşımıuygulanmıştır. Çalışma kapsamında sınıflandırma yöntemleri ile elde edilensonuçlar ve doğru sınıflandırma oranları karşılaştırılmıştır. Bunun içinCleveland kliniğine ait, 303 kayıt ve 14 değişken içeren kalp hastalığı verikümesi kullanılmıştır. Gerekli hesaplamalar ve modelleri elde etmek için Wekapaket programında 1R, J48 Karar Ağacı, Naive Bayes ve Çok katmanlı yapay sinirağı (YSA) sınıflandırma yöntemleri uygulanmıştır. Uygulama sonucunda KoronerArter Hastalığının tespitinde en iyi sonucun %83,498 doğruluk oranı ile Çokkatmanlı YSA sınıflandırma yöntemi ile elde edildiği görülmüştür. Çok katmanlı YSAalgoritmasını Naive Bayes ve Düzenlenmiş J48 Karar Ağacı algoritmalarıizlemiştir.
CardiovascularDiseases are quite common nowadays and are one of the leading causes of death.The correct and timely diagnosis of Coronary Artery Disease, a type ofCardiovascular Disease, is very important for further treatment of thepatients. For accurate diagnosis of coronary artery disease and determinationof disease severity, angiography, which is an invasive and gold standarddiagnosis tool, is used. Angiography is a costly and advanced method thatrequires clinical expertise and may cause serious complications. For thesereasons, research on using data mining techniques, which is a cheaper and moreeffective approach, for diagnosis is one of today's research topics. In thisstudy, classification-based data mining methods were used to determine the riskof coronary artery disease and these methods were compared in terms ofaccuracy. A data set consisting of 303 patient records and 14 attributes ofCleveland clinic were used. In particular, 1R, J48 Decision Tree, Naive Bayesand Multilayer Artificial Neural Network classification methods were applied onthis data set with the help of WEKA program. The best result (in terms ofcorrect diagnosis ratio) in determining risk of Coronary Artery Disease wasobtained with Artificial Neural Network classification method with an accuracyof 83.498%. The multi-layer ANN algorithm was followed by Naive Bayes and theJ48 Decision Tree algorithms
CardiovascularDiseases are quite common nowadays and are one of the leading causes of death.The correct and timely diagnosis of Coronary Artery Disease, a type ofCardiovascular Disease, is very important for further treatment of thepatients. For accurate diagnosis of coronary artery disease and determinationof disease severity, angiography, which is an invasive and gold standarddiagnosis tool, is used. Angiography is a costly and advanced method thatrequires clinical expertise and may cause serious complications. For thesereasons, research on using data mining techniques, which is a cheaper and moreeffective approach, for diagnosis is one of today's research topics. In thisstudy, classification-based data mining methods were used to determine the riskof coronary artery disease and these methods were compared in terms ofaccuracy. A data set consisting of 303 patient records and 14 attributes ofCleveland clinic were used. In particular, 1R, J48 Decision Tree, Naive Bayesand Multilayer Artificial Neural Network classification methods were applied onthis data set with the help of WEKA program. The best result (in terms ofcorrect diagnosis ratio) in determining risk of Coronary Artery Disease wasobtained with Artificial Neural Network classification method with an accuracyof 83.498%. The multi-layer ANN algorithm was followed by Naive Bayes and theJ48 Decision Tree algorithms
Açıklama
Anahtar Kelimeler
Antideprasan, ilaç etken maddesi, adsorpsiyon, izoterm, Data Mining, Classification, Coronary Artery Disease
Kaynak
Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
1
Sayı
1-85
