Karın ağrısı ile acil servise başvuran hastalarda akut apandisit tanısı için makine öğrenmesi yaklaşımlarının kullanımı

Basit Öğe Kaydı
dc.contributor.advisorErbay, Hasan
dc.contributor.authorAkmeşe, Ömer Faruk
dc.date.accessioned2025-01-21T15:59:43Z
dc.date.available2025-01-21T15:59:43Z
dc.date.issued2020
dc.departmentKKÜ, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı
dc.descriptionFen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı
dc.description.abstractGenel cerrahi kliniklerinde en sık görülen acil hastalıklardan biri akut apandisittir. Özellikle 10 ila 30 yaşları arasında daha yaygındır. Ayrıca, tüm popülasyonun yaklaşık %7'sine yaşamlarının bir döneminde akut apandisit teşhisi konur ve ameliyat gerekir. Çalışma, makine öğrenmesi algoritmaları kullanarak erken akut apandisit tanısı için kolay, hızlı ve doğru bir tahmin yöntemi geliştirmeyi amaçlamaktadır. Retrospektif klinik kayıtlar, tahmin edici veri madenciliği modelleri ile analiz edilmiştir. Çeşitli makine öğrenme algoritmalarıyla elde edilen modellerin öngörü başarıları karşılaştırılmıştır. Çalışmada 348 erkek (%58,49) ve 247 kadın (%41,51) dahil olmak üzere toplam 595 klinik kayıt kullanılmıştır. Gradyan artırılmış ağaçlar algoritmasının %95,31'lik doğru tahmin başarısı ile en iyi başarıya ulaştığı tespit edilmiştir. Bu çalışmada, akut apandisitli bireyleri tanımlamak için makine öğrenmesine dayalı bir tahmin yöntemi geliştirilmiştir. Bu yöntemin özellikle hastanelerde, acil servislerde apandisit belirtileri olan hastalara fayda sağlayacağı düşünülmektedir.
dc.description.abstractAcute appendicitis is one of the most common emergency diseases in general surgical clinics. It is more common, especially between the ages of 10 and 30 years. Also, approximately 7% of the entire population is diagnosed with acute appendicitis at some time in a period of their lives and requires surgery. The study aims to develop an easy, fast, and accurate estimation method for early acute appendicitis diagnosis using machine-learning algorithms. Retrospective clinical records were analyzed with predictive data mining models. The predictive success of the models obtained by various machine-learning algorithms was compared. A total of 595 clinical records were used in the study, including 348 males (58.49%) and 247 females (41.51%). It was found that the Gradient boosted tree algorithm achieves the best success with an accurate prediction success of 95.31%. In this study, an estimation method based on machine learning was developed to identify individuals with acute appendicitis. It is thought that this method will benefit patients with signs of appendicitis, especially in emergency departments in hospitals.
dc.identifier.endpage93
dc.identifier.startpage1
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=1pwTzRXnomYf6jwqVORfUZaZ-wiz1fTnAe3kYg_84lcNyo630PDkH0IDYRbNFf84
dc.identifier.urihttps://hdl.handle.net/20.500.12587/20527
dc.identifier.yoktezid877703
dc.language.isotr
dc.publisherKırıkkale Üniversitesi
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_20241229
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol
dc.subjectComputer Engineering and Computer Science and Control
dc.titleKarın ağrısı ile acil servise başvuran hastalarda akut apandisit tanısı için makine öğrenmesi yaklaşımlarının kullanımı
dc.title.alternativeThe use of machine learning approaches for the diagnosis of acute appendicitis in patients presenting to the emergency department with abdominal pain
dc.typeDoctoral Thesis

Dosyalar

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu