Karaciğer hastalıkları dünya çapında oldukça yaygın görülen hastalıklardandır. Karaciğer hastalıkları vücutta büyük tehlikeler oluşturabilmektedir. Bu sebeplerden ötürü alkolden bağımsız karaciğer yağlanması, alkolik karaciğer yağlanması, hepatit A, hepatit B, hepatit C, hepatit D, karaciğer büyümesi, karaciğer kanseri, karaciğer ve intrahepatik safra kanalı kanseri, karaciğer yetmezliği ve siroz gibi karaciğer hastalıklarının mümkün oldukça erken bir aşamada teşhisi ve tedavisi hayati öneme sahiptir. Tıpta geleneksel teşhis yöntemleri hala kullanılmaktadır. Ancak bugün gelişen yapay zekâ teknolojileri sayesinde hastalık teşhis, tanı ve tedavi süreçlerinde hekimlere destek olacak güçlü araçlar sunulabilmektedir. Bu çalışmada WEKA veri madenciliği aracından faydalanılarak J48, Lojistik Model Ağacı (LMT), Decision Stump, Hoeffding Tree, REP Tree, Random Forest, Random Tree ve IBk makine öğrenme algoritmaları Karaciğer Hasta Veri Seti (ILPD) üzerinde çalışılmıştır. Bu algoritmalar ile en iyi teşhis sonucuna ulaşılmaya çalışılmıştır. Çalışmada kullanılan makine öğrenme algoritmalarının performans ve başarılarını değerlendirmek için ilk önce karışıklık matrisleri oluşturulmuş daha sonra tıpta da genel geçerliliği kabul edilen ölçütlere göre hesaplamalar yapılmıştır. Bu algoritmaların ILDP veri seti üzerindeki performansları sırasıyla doğruluk, duyarlılık, özgüllük, ROC, MCC, Anma, Kesinlik ve F-Ölçütü kriterlerine göre hesaplanmıştır. Makine öğrenme algoritmalarından elde edilen en iyi modeller teşhise ve tedaviye yönelik geliştirilecek akıllı sistemlerin karar mekanizmalarını oluşturmak için kullanılabilmektedir. Bu çalışmada elde ettiğimiz modeller dünyada yaygın olarak görülen karaciğer hastalılarının tüm hastanelerde erken evrede yakalanmasını sağlayacak akıllı bir sistemin alt yapısını oluşturma potansiyeline sahiptir.
Hepatitis is one of the most common diseases worldwide. Hepatic diseases can pose great dangers in the body. For these reasons, it is vital to diagnose and treat in a very early stage possible liver diseases such as alcohol-independent liver fertilization, alcoholic liver fertilization, hepatitis A, hepatitis B, hepatitis C, hepatitis D, liver growth, liver cancer, liver and intrahepatic gall canal cancer, liver insufficiency and sirosis. Traditional methods of diagnosis are still used in medicine. But today, thanks to the advanced artificial intelligence technologies, we can provide powerful tools to support doctors in the diagnosis, diagnosis and treatment processes of diseases. In this study, using the WEKA data mining tool, the J48, Logistics Model Tree (LMT), Decision Stump, Hoeffding Tree, REP Tree, Random Forest, Random Tree and IBk machine learning algorithms have been developed on the Liver Patient Data Set (ILPD). These algorithms have been made to get the best diagnosis results. For the performance and success of the machine learning algorithms used in the study, first mixture matrix was created and then calculations were made according to the standards that were accepted in general validity in medicine. The performance of these algorithms on the ILDP data set is calculated according to accuracy, sensitivity, specificity, ROC, MCC, memory, accuracy, and F-measurement criteria. The best models obtained from machine learning algorithms can be used to create decision-making mechanisms for intelligent systems that will be developed for diagnosis and treatment. The models we have achieved in this study have the potential to create a sub-structure of a smart system that will enable the early stages of the world’s widespread hepatic diseases to be captured in all hospitals.
Dergi Türü : Uluslararası
Benzer Makaleler | Yazar | # |
---|
Makale | Yazar | # |
---|