Geniş bir uygulama alanına sahip olan yapay sinir ağlarından hastalık teşhisinde de faydalanmak mümkün olmaktadır. Bu çalışmada toplam 225 kişiye ait 17 farklı parametre ve laboratuar bilgisi kullanılarak Diyabet hastalığı teşhis edilmek istenilmiştir. Yapay sinir ağları modellerinden geri yayılım modeli seçilmiş, Matlab bilgisayar programına ait neural network toolbox grafik ara yüzü kullanılarak yapay sinir ağlarının eğitimi ve test edilmesi sağlanmıştır. Yapay sinir ağının eğitiminde kullanılan hedefler, uzman hekimler tarafından verilen diyabet hastasıdır ya da sağlıklıdır bilgisinden elde edilmiştir. Bu çalışmada test verilerinin başarımı yapay sinir ağının sağlıklı olarak belirlediği kişilerin hekimlerin sağlıklı olarak belirlediklerine oranı, yapay sinir ağının hasta olarak belirlediği kişilerin hekimlerin hasta olarak belirlediklerine oranı ve yapay sinir ağının sağlıklı ve hasta olarak belirlediği kişilerin hekimlerin sağlıklı ve hasta olarak belirlediklerine oranı kullanılarak değerlendirilmiştir.
Artifical Neural Networks, which have very large application area, also can be used in diagnosis of disease. In this study, 17 different parameters which are taken from total 225 people?s used as laboratory datas to diagnose diabetes. Feed-forward backpropogation model was selected in artifical neural networks that trained and tested by using neural network toolbox graphic interface in Matlab. The targets which are used in training of artifical neural Networks, are evaluated from doctors? knowledge in regards to ill or healty datas. In this thesis the success of test datas are determined by the ratio of artificial neural network?s results which shows healty patients to the healty patients according to the doctors? judgements, and by the ratio of artificial neural network?s results which shows diabetic patients to the diabetic patients according to doctors? judgements, and also by the ratio of all the artificial neural network?s results to all the doctors? judgements about being diabetic or non-diabetic.
