Kalp hastalıklarının teşhisi için makine öğrenmesi tabanlı yaklaşım

Basit Öğe Kaydı
dc.contributor.advisorTopaloğlu, Üyesi Fatih
dc.contributor.authorİlikçi, İbrahim Çağatay
dc.date.accessioned2025-10-24T16:53:42Z
dc.date.available2025-10-24T16:53:42Z
dc.date.issued2025
dc.departmentMTÖ Üniversitesi, Lisansüstü Eğitim Enstitüsü, Enformatik Ana Bilim Dalı
dc.descriptionLisansüstü Eğitim Enstitüsü, Enformatik Ana Bilim Dalı
dc.description.abstractKalple ilgili hastalıklar son yıllarda dünyada çok sayıda ölümün ana nedeni haline gelmiş ve sadece ülkemizde değil tüm dünyada yaşamı en çok tehdit eden hastalık olarak ortaya çıkmıştır. Bu nedenle, uygun tedavi için bu tür hastalıkların zamanında teşhis edilmesini sağlayacak güvenilir, doğru ve uygulanabilir bir sisteme ihtiyaç duyulmaktadır. Yapay zeka, büyük veri analizi ve gelişmiş algoritmalar kullanarak sağlık sektöründe önemli tahminler yapmaktadır. Son yıllarda yapay zeka sağlık sektöründe yaygın şekilde kullanılmakta ve pek çok avantaj sağlamaktadır. Tez çalışmasında yüksek doğruluk oranına sahip makine öğrenmesi algoritmaları kullanılarak yeni hastalarda kalp hastalıklarının erken teşhisi ve tespiti sağlanmıştır. Bu kapsamda yapılan çalışmada, 526 kalp hastası ve 499 sağlıklı örnekten oluşan ve yaş, cinsiyet, göğüs ağrısı tipi vs. 14 öznitelikten oluşan veri setinde makine öğrenmesi teknikleri uygulanarak hastaların kalp rahatsızlığının tahmin edilmesi konusunda yüksek başarı oranları tespit edildiği görülmüştür. Makine Öğrenmesi Algoritmalarından K-En Yakın Komşu (KNN), Lojistik Regresyon, Karar Ağacı, Destek Vektör Makineleri, Naive Bayes, Rastgele Orman algoritmaları kullanılmış ve algoritmaların doğruluk, kesinlik, duyarlılık ve F Ölçütü değerlerine yer verilmiştir. Alınan sonuçlarda toplam verinin %20 sini oluşturan 205 test verisi değerlendirilmiş ve Rastgele Orman Algoritması ile %98,54 oranında doğruluk değeri elde edilmiştir
dc.description.abstractHeart-related diseases have become the main cause of death in the world in recent years and have emerged as the most life-threatening disease not only in our country but also in the whole world. Therefore, a reliable, accurate and applicable system is needed to ensure timely diagnosis of such diseases for appropriate treatment. Artificial intelligence makes important predictions in the healthcare sector using big data analysis and advanced algorithms. In recent years, artificial intelligence has been widely used in the health sector and provides many advantages. In the thesis study, early diagnosis and detection of heart diseases in new patients were achieved by using machine learning algorithms with high accuracy rates. In this context, it was observed that high success rates were detected in predicting the heart disease of patients by applying machine learning techniques to the data set consisting of 526 heart patients and 499 healthy samples and 14 attributes such as age, gender, chest pain type, etc. Machine Learning Algorithms K-Nearest Neighbor (KNN), Logistic Regression, Decision Tree, Support Vector Machines, Naive Bayes, Random Forest algorithms were used and the accuracy, precision, sensitivity and F Criterion values of the algorithms were included. In the obtained results, 205 test data constituting 20% of the total data were evaluated and 98.54% accuracy value was obtained with the Random Forest Algorithm
dc.identifier.endpage52
dc.identifier.startpage1
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=P3dtmmHrq-mzEcmCLi1CqcZmWTqs6RJuSMgNB6Ak0z_-dyN28ihJ3rCHMYEvAmP4
dc.identifier.urihttps://hdl.handle.net/20.500.12899/1678
dc.identifier.yoktezid924106
dc.language.isotr
dc.publisherMalatya Turgut Özal Üniversitesi
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzTez_20251024
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol
dc.subjectComputer Engineering and Computer Science and Control
dc.titleKalp hastalıklarının teşhisi için makine öğrenmesi tabanlı yaklaşım
dc.title.alternativeMachine learning-based approach for diagnosis of heart diseases
dc.typeMaster Thesis

Dosyalar

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu