Göğüs hastalıklarının teşhis edilmesinde makine öğrenmesi algoritmalarının kullanılması

Abstract

Birçok hastalık insan yaşamını, sağlığını ve yaşam kalitesini birçok yönden etkileyerek tehdit etmektedir. Bunlar arasında tüberküloz (TB), kronik obstrüktüf akciğer hastalığı (COPD), zatürre, astım ve akciğer kanseri gibi göğüs hastalıkları hem gelişmekte olan ülkelerde hem de gelişmiş ülkelerde önemli sağlık sorunları ve ölüm nedenlerinden başlıcaları olarak kabul edilmektedir. Bir hastalığın teşhisi doktorlar tarafından ne kadar erken konulursa, hastanın iyileşme olasılığı o kadar yükselmektedir. Bu anlamda, günümüzde uzman sistemler ve farklı yapay zeka teknikleri, tıbbi teşhis dahil olmak üzere çeşitli alanlardaki farklı problemleri çözmek için başarıyla kullanılmaktadır. Bu doktora tezi kapsamında, göğüs hastalıklarını teşhis etmek için destek vektör makinaları (SVM), K-en yakın komşular (K-NN) ve Basit Bayes sınıflandırma (NB) metotları kullanılmıştır. Ayrıca, ilk kez uyarlamalı destek vektör makina metodunun (ASVM) göğüs hastalıkları teşhisindeki performansı da değerlendirilmiştir. Bu metot, SVM tekniğinin en uygun eşik değerini bulacak şekilde geliştirilmesine dayanmaktadır. Kullanılan bu yaklaşımlar Diyarbakır Göğüs Hastalıkları Hastanesi'nden alınan deneysel veriseti kullanılarak ve daha önceki çalışmalarda kullanılan sinir ağları yöntemleri ile karşılaştırılarak değerlendirilmiştir. Yapılan çalişmada elde edilen sonuçlar, kullanılan metotların, özellikle de ASVM metodunun başarim etkisinin yüksek olduğunu göstermiştir. ASVM metodu, öngörülebilir ve doğruluk oranı en yüksek sonuçları vererek göğüs hastalıklarında etkili bir şekilde kullanılabileceğini kanıtlamıştır.

Several diseases threaten human health by affecting longevity and its well-being in many ways. Among them, chest diseases as Tuberculosis (TB), Chronic Obstructive Pulmonary Disease (COPD), Pneumonia, Asthma, and Lung cancer are considered as serious health complications and one major cause of death in both developing and developed countries. Doctors confirm that the earlier a disease is diagnosed, the higher is the patient cure probability. In this context, expert systems and different artificial intelligence techniques have been successfully used to solve different problems in various domains including medical diagnosis. In this thesis, we use the Support Vector Machines (SVM), the K-Nearest Neighbors (K-NN) and the Naive Bayes classification (NB) methods to diagnose chest diseases and for the first time, we examine the performance of the Adaptive Support Vector Machine (ASVM) method for chest disease diagnosis. This involves improving the SVM by finding its most appropriate Bias term value. These approaches are evaluated using an experimental dataset from Diyarbakir chest diseases hospital and comparing them with the Neural Network method used in previous studies. The experimental results showed the efficiency of these methods, especially ASVM, which could achieve promising results and confirmed that it can be efficiently used in chest diseases.