Son yıllarda tıp alanındaki teknolojik gelişmeler ile birlikte artan veri hacmi insan algısı ile verileri analiz etmeyi imkânsız kılmıştır. Tıbbi verilerin hayati önem taşıması nedeniyle hata oranının minimum olduğu bilişim teknolojilerinden destek alma yoluna gidilmeye başlanmıştır. Özellikle tıbbi veri tabanlarında veri analizi, karar destek sistemlerinin oluşturulması, yönetim birimimde bilgilere etkili ve hızlı bir şekilde ulaşılabilmesi bakımından bilgisayarlar uzmanlara büyük kolaylıklar sağlamaktadır. Bu hedef doğrultusunda önceden bilinmeyen, ilk bakışta fark edilemeyen, veri içinde gizli kalmış anlamlı ve değerli bilgiler elde edilebilmesinden dolayı veri madenciliği optimum çözüm olmuştur.Bu tez kapsamında, veri madenciliğinin tıpta kullanıldığı alanlar, veri tabanlarında bilgi keşfi süreçleri, veri madenciliği, veri madenciliğinde kullanılan birliktelik analizi ve Apriori algoritması hakkında bilgiler verilmiştir.Bu tez çalışmasında Sakarya Üniversitesi personeline uygulanan, olası migren teşhisine yönelik anket sonuçlarında, sık geçen öğelerin keşfedilmesinde en yaygın olarak bilinen Apriori algoritması yardımıyla, birliktelik kuralları aranmıştır. Apriori algoritmasını uygulayabilmek için .net platformunda web tabanlı bir yazılım geliştirilmiştir. Bu yazılım sayesinde Apriori algoritmasının işleyişi adım adım takip edilebilmektedir. Çalışmanın sonunda elde edilmesi hedeflenen birliktelik kurallarına ulaşılmıştır.Anahtar kelimeler: Veri Madenciliği, Medikal Veri Madenciliği, Klinik Veri Madenciliği, Apriori Algoritması, Birliktelik Kuralları
Recently biomedical sciences, biology and medicine have undergone tremendous advances in their technologies and therefore have generated huge amounts of biomedical information and data sets. It seems impossible to analyze this amount of data obtained. Since medical and biological data are vital for patients minimum error rates in diagnosis, therapy and prognosis levels are required. Therefore it shall be easy and extremely fast to reach previous and recent data analysis in medical databases and construction of decision support systems is crucial. Computers are appropriate solutions. Nevertheless a method is required to turn all these information and data to expressive knowledge and to expose the secret meanings of the collected data mass. Data mining is the optimum solution method to reach these goals.In this thesis study, application fields of data mining in medicine, knowledge discovery processes in databases, data mining, association rules in data mining and Apriori algorithm is discussed.A survey study was held to obtain data about migraine disease in Sakarya University. Random surveyors of academic and administrative staff of Sakarya University participated in the study. Association rules were sought by the help of Apriori algorithm, one of the most common algorithms used in related applications. A web based software was developed in ?.net? platform to apply Apriori algorithm. This software enables monitoring the processing levels of the algorithm step by step. At the end of study projected association rules are acquired.Key Words: Data Mining, Medical Data Mining, Clinical Data Mining, Apriori Algorithm, Association Rules
