Yapay zekâ teknikleri ile hastaların koroner anjiyografi gerekliliğinin tahmini

Abstract

Bu çalışmada, hastaların Koroner Anjiyografi (KA) gerekliliğinin tahmini için, Bulanık Mantık (BM), Çok Katmanlı Algılayıcı Sinir Ağı (ÇKA Sinir Ağı) ve Genetik Çok Katmanlı Algılayıcı Sinir Ağı (GÇKA Sinir Ağı) teknikleri kullanılmıştır. Bunun için 200 hastadan veri alınmıştır. Bu hastaların yarısı KA geçirmiş olup diğer yarısı ise KA geçirmemiş hastalardır. Hasta verilerinde kadın-erkek cinsiyetleri eş dağılımlı olarak seçilmiştir. BM sistemi için girişler ve çıkışlar belirlenmiş olup sistem test edilmiştir. BM sisteminin, hastaların KA gerekliliğinin tahmini için %86 oranında doğru karar verdiği gözlemlenmiştir. ÇKA Sinir Ağı ve GÇKA Sinir Ağı için eğitim ve test veri setleri belirlenmiştir. Daha sonra her iki sistem için test edilmiştir. Hastaların KA gerekliliğinin tahmini için, ÇKA Sinir Ağı sisteminin %90 oranında GÇKA Sinir Ağının ise %92 oranında doğru karar verdiği gözlemlenmiştir. Bu sonuçlar hastaların KA gerekliliğinin tahmininde, GÇKA sinir ağının BM ve ÇKA sinir ağına göre daha etkili olduğunu göstermiştir. Anahtar kelimeler: Bulanık Mantık (BM), Çok Katmanlı Algılayıcı Sinir Ağları (ÇKA Sinir Ağları), Genetik Çok Katmanlı Algılayıcı Sinir Ağları (GÇKA Sinir Ağları), Koroner Anjiyografi (KA).

In this study, prediction of coroner angiography (CA) requirement of patients is developed using approaches such as Fuzzy Logic (FL), Multi Layer Perceptron (MLP) and Genetic Multi Layer Perceptron (GMLP). Data of patients are received from 200 patients, half of whom undergo CA, the other half doesn?t undergo CA, the numbers of both men and women patients are equal. Input data and output data are determined and tested for FL. The correct classification rate is 86% for prediction of CA requirement of patients. Training data and testing data are determined and tested for both MLP and GMLP. The correct classification rate of MLP is 90% and the correct classification rate of GMLP is %92 for prediction of CA requirement of patients. These results are shown that GMLP is more effective from FL and MLP at prediction of CA requirement of patients. Key Words: Fuzzy Logic (FL), Multi Layer Perceptron Neural Network (MLP Neural Network), Genetic Multi Layer Perceptron Neural Network (GMLP Neural Network), Coroner Angiography (CA).