dc.contributor.advisor |
Doçent Doktor Nejat Yumuşak |
|
dc.date.accessioned |
2021-03-24T08:58:13Z |
|
dc.date.available |
2021-03-24T08:58:13Z |
|
dc.date.issued |
2009 |
|
dc.identifier.citation |
Elveren, Erhan. (2009). Genetik algoritmalı yapay sinir ağları kullanılarak tüberküloz hastalığının teşhisi. (Yayınlanmamış Yüksek Lisans Tezi).Sakarya Üniversitesi Fen Bilimleri Enstitüsü; Sakarya. |
|
dc.identifier.uri |
https://hdl.handle.net/20.500.12619/81104 |
|
dc.description |
06.03.2018 tarihli ve 30352 sayılı Resmi Gazetede yayımlanan “Yükseköğretim Kanunu İle Bazı Kanun Ve Kanun Hükmünde Kararnamelerde Değişiklik Yapılması Hakkında Kanun” ile 18.06.2018 tarihli “Lisansüstü Tezlerin Elektronik Ortamda Toplanması, Düzenlenmesi ve Erişime Açılmasına İlişkin Yönerge” gereğince tam metin erişime açılmıştır. |
|
dc.description.abstract |
Dünyada her yıl milyonlarca insan tüberküloz mikrobuyla tanışmakta ve hastalanmakta. İnsanlığı yüzyıllarca kırmış, zamanla efsanelerin doğmasına neden olmuş bu hastalık günümüzde özellikle düşük gelirli ülkelerde, tanı ve tedavi imkânlarının çok kısıtlı olması nedeniyle çok sayıda ölüme sebep olmaktadır. Tüberküloz, tamamen tedavi edilebilir hatta önlenebilir bir hastalık olmasına rağmen tek tip mikrobun neden olduğu en çok ölüm oranına sahiptir. Ülkemizde ince hastalık olarak da bilinen bu hastalık, zamanında çok ölümlere neden olmuştur fakat geçtiğimiz yüzyılın ortalarında gerçekleştirilen büyük atılımlar sayesinde hastalığın kontrolü sağlanabilmiştir. Bu amaçla veremle savaş dispanserleri kurulmuş, hastalığın önlenmesi için aşı yöntemi kullanılmış, hastalar bu dispanserler vasıtasıyla gözetlenmeye ve ücretsiz tedavi edilmeye başlanmıştır. Günümüzde geliştirilen tekniklerin tıpta kullanım alanı bulmasıyla hastalık teşhisleri daha isabetli yapılabilir hale gelmiştir. Bu çalışmada yerel bir hastaneden kullanılmak üzere hasta verileri alınmıştır. Bu veriler oluşturulan yapay sinir ağının eğitimi için kullanılmıştır. Bu ağın eğitiminde genetik algoritma seçilmiş ve tüberküloz hastalığının teşhisinde ortalama %94,88 başarı elde edilmiştir. |
|
dc.description.abstract |
Every year millions of people meets the tuberculosis microbe and gets the infection. That disease, which killed humanity for centuries and caused to born some myths in time, causes so many deaths in low-income countries because of low diagnosis and treatment opportunities. Despite tuberculosis is a remediable and also avoidable disease, has the most mortality ratio that is caused by single kind of mycobacterium. In our country, a special name has been given to it, caused so many deaths in time but in the middle of last century, it has been controlled through the big steps done. In that matter, tuberculosis dispensaries has been built, vaccines used to prevent the disease and in these dispensaries, free treatment opportunities provided for infected people. With the usage of newly developed techniques in medicine, disease diagnosis can be acquired more accurately. In this project, some patient?s data is gathered from a local hospital to be used in training of the Multi Layer Neural Network. Genetic Algorithm is used as the training algorithm of the Neural Network. For the Tuberculosis disease diagnosis, approximately 94.88% of success is achieved by that structure. |
|
dc.format.extent |
VIII, 53 yaprak : tablo ; 30 cm. |
|
dc.language |
Türkçe |
|
dc.language.iso |
tur |
|
dc.publisher |
Sakarya Üniversitesi |
|
dc.rights.uri |
info:eu-repo/semantics/openAccess |
|
dc.rights.uri |
http://creativecommons.org/licenses/by/4.0/ |
|
dc.subject |
Yapay sinir ağları |
|
dc.subject |
Genetik algoritmalar |
|
dc.subject |
Hastalık teşhisi |
|
dc.subject |
Tüberküloz |
|
dc.title |
Genetik algoritmalı yapay sinir ağları kullanılarak tüberküloz hastalığının teşhisi |
|
dc.type |
masterThesis |
|
dc.contributor.department |
Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar ve Bilişim Mühendisliği Anabilim Dalı, Bilişim ve Bilgisayar Mühendisliği Bilim Dalı |
|
dc.contributor.author |
Elveren, Erhan |
|
dc.relation.publicationcategory |
TEZ |
|