Makine öğrenmesi yöntemleriyle kalp hastalarının sağkalım tahmini
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Sivas Cumhuriyet Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: FATMA AZİZOĞLU
Danışman: Hidayet Takcı
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kalp hastalıkları, dünya genelinde yaşlanan nüfusla birlikte her geçen gün daha fazla kişiyi etkilemektedir. Bununla birlikte, her yıl yaklaşık 18 milyon insan kalp hastalıklarına bağlı nedenlerle yaşamını yitirmektedir. Bu nedenle kalp hastalığının erken teşhisi ve sağkalımı etkileyen faktörlerin ortaya çıkarılması önemli bir problemdir. Teknolojinin gelişmesiyle birlikte hastaların elektronik sağlık kayıtları toplanıp depolanmakta ve elde edilen veriler makine öğrenmesi yöntemleri ile hastalık teşhisi veya sağkalım tahmini için yaygın olarak kullanılmaktadır. Yapılan çalışma kapsamında kalp hastalarının sağkalımını tahmin etmek için makine öğrenmesi algoritmalarından; Destek Vektör Makinesi, Rastgele Orman, Karar Ağacı, XGBoost, CatBoost ve Lojistik Regresyon kullanılmıştır. Sağkalım tahmin başarısını artırmak için veri dengeleme, özellik seçimi ve normalizasyon yöntemleri tekil ve bütünsel olarak makine öğrenmesi algoritmalarına uygulanmıştır. Ayrıca, deneylerde 5-fold ve 10-fold çapraz doğrulama işlemi kullanılarak doğruluk, kesinlik, duyarlılık ve f1-skor açısından önerilen yöntemlerin ve algoritmaların performans ve çalışma sürelerinin karşılaştırması yapılmıştır. Son olarak veri seti %80 eğitim, %20 test ve %70 eğitim, %30 test olarak bölünmüş ve deneyler tekrar edilmiştir. Elde edilen sonuçlara göre kalp hastalarının sağkalım tahmininde 5-fold çapraz doğrulama ile en yüksek doğruluk başarısına sahip algoritma %86,4649 değeriyle Destek Vektör Makinesi olmuştur. Çapraz doğrulama kullanmadan elde edilen sonuçlara göre %80 eğitim, %20 test işlemi ile en yüksek doğruluk başarısına ulaşan algoritmalar %93,9 değeri ile Rastgele Orman ve CatBoost olmuştur.