Karaciğer Yetmezliği Teşhisinde Özellik Seçimi Kullanarak Makine Öğrenmesi Yöntemlerinin Başarılarının Ölçülmesi
Öz
Karaciğer, vücudumuzda pek çok fizyolojik ve metabolik süreçte hayati görevler üstlenir. Karaciğer eksikliği ya da karaciğerin işlevsel bozuklukları sağlık sorunlarına ve nihayetinde hastalıklara yol açmaktadır. Karaciğer hastalıklarının erken dönemde teşhisi, gereksiz ilaç kullanımını azaltarak hem tedavi süresinin kısaltılmasında hem de karaciğer tahribatının engellenmesinde etkili olabilmektedir. Gelişen teknoloji ile beraber tıp dünyasında makine öğrenmesi yöntemleri hastalıkların teşhisinde büyük bir başarı sağlamaktadır. Bu çalışmada, karaciğer hastalıklarının erken teşhis edilmesinde kullanılması için sarmal (wrapper) özellik seçimi yöntemlerinden İleri Yönde Seçim (SFS) ile veri setinde bulunan en önemli öz nitelikler belirlenmiştir. Belirlenen önemli öz nitelikler üzerinde makine öğrenmesi yöntemleri uygulanarak karaciğer yetmezliği hastalığı teşhis başarıları ölçülmüştür. Makine öğrenmesi yöntemlerinde model iyileştirilmesi yapılarak hastalık teşhis başarıları arttırılmıştır. Elde edilen sonuçlar literatürde bu veri seti ile yapılan diğer çalışmalar ile karşılaştırılmıştır. Indian Liver Patient Dataset (ILPD) üzerinde karaciğer yetmezliği hastalığının tahmini için; Destek Vektör Makinası (SVM), Çok Katmanlı Algılayıcı (MLP), Karar Ağaçları (DT), Lojistik Regresyon (LR) ve Hafif Gradyan Güçlendirme Makinesi Sınıflandırıcısı (LGBM) yöntemleri kullanılmıştır. Kullanılan yöntemlerde en yüksek teşhis başarısı sırasıyla; LGBM %82.12, MLP %81.13, DT %81.13, SVM %77.87 ve LR %77.80 olarak elde edilmiştir. Sonuçlar literatürdeki çalışmalarla kıyas edildiğinde tatmin edici olarak değerlendirilmiştir. Elde edilen modellerin karaciğer hastalığının erken teşhisinde hekimlere destek olabileceği düşünülmektedir.
Anahtar Kelimeler
Kaynakça
- Ersoy O.” Karaciğer Enzim Yüksekliğinin Değerlendirilmesi”. Ankara Medical Journal 2012; 12 (3): 129-135.
- Mamdouh E. ve Mabrouk M. “A Study of Support Vector Machine Algorithm For Liver Disease Diagnosis”, American Journal of Intelligent Systems; 2014; 4 (1): 9-14.
- Gulia A. Vohra R. Rani P. “Liver Patient Classification Using Intelligent Techniques”, International Journal of Computer Science and Information Technologies); 2014; 5 (4): 5110-5115.
- Alkuşak E. ve Gök M., 2015. “Karaciğer Yetmezliğinin Teşhisinde Makine Öğrenmesi Algoritmalarının Kullanımı”, ISITES 2014 Sempozyumu (ISITES’2014); 18-20 Haziran 2014; Karabük. 703-707.
- Priya M.B. Juliet P. L. Tamilselvi P.R.“ Performance Analysis of Liver Disease Prediction Using Machine Learning Algorithms”, International Research Journal of Engineering and Technology (IRJET); Ocak 2018; 206-211.
- Auxilia L.A. “Accuracy Prediction using Machine Learning Techniques for Indian Patient Liver Disease”, 2nd International Conference on Trends in Electronics and Informatics (ICOEI); 11-12 Mayıs 2018; Tirunelveli, India. 45-50.
- Bendi R.V. Boddu R.S.K. “ Performance Comparison of Classification Algorithms on Medical Datasets”, 9th Annual Computing and Communication Workshop and Conference (CCWC); 7-9 Ocak 2019; USA. No:2322.
- Singh J. Bagga S. Kaur R. “Software-based Prediction of Liver Disease with Feature Selection and Classification Techniques”. International Conference on Computational Intelligence and Data Science (ICCIDS 2019); 6 -7 Eylül 2019; Gurugram. 1970-1980.
Ayrıntılar
Birincil Dil
Türkçe
Konular
Mühendislik
Bölüm
Araştırma Makalesi
Yayımlanma Tarihi
15 Eylül 2021
Gönderilme Tarihi
27 Kasım 2020
Kabul Tarihi
21 Mart 2021
Yayımlandığı Sayı
Yıl 2021 Cilt: 33 Sayı: 2
APA
Saygın, E., & Baykara, M. (2021). Karaciğer Yetmezliği Teşhisinde Özellik Seçimi Kullanarak Makine Öğrenmesi Yöntemlerinin Başarılarının Ölçülmesi. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 33(2), 367-377. https://doi.org/10.35234/fumbd.832264
AMA
1.Saygın E, Baykara M. Karaciğer Yetmezliği Teşhisinde Özellik Seçimi Kullanarak Makine Öğrenmesi Yöntemlerinin Başarılarının Ölçülmesi. Fırat Üniversitesi Mühendislik Bilimleri Dergisi. 2021;33(2):367-377. doi:10.35234/fumbd.832264
Chicago
Saygın, Emre, ve Muhammet Baykara. 2021. “Karaciğer Yetmezliği Teşhisinde Özellik Seçimi Kullanarak Makine Öğrenmesi Yöntemlerinin Başarılarının Ölçülmesi”. Fırat Üniversitesi Mühendislik Bilimleri Dergisi 33 (2): 367-77. https://doi.org/10.35234/fumbd.832264.
EndNote
Saygın E, Baykara M (01 Eylül 2021) Karaciğer Yetmezliği Teşhisinde Özellik Seçimi Kullanarak Makine Öğrenmesi Yöntemlerinin Başarılarının Ölçülmesi. Fırat Üniversitesi Mühendislik Bilimleri Dergisi 33 2 367–377.
IEEE
[1]E. Saygın ve M. Baykara, “Karaciğer Yetmezliği Teşhisinde Özellik Seçimi Kullanarak Makine Öğrenmesi Yöntemlerinin Başarılarının Ölçülmesi”, Fırat Üniversitesi Mühendislik Bilimleri Dergisi, c. 33, sy 2, ss. 367–377, Eyl. 2021, doi: 10.35234/fumbd.832264.
ISNAD
Saygın, Emre - Baykara, Muhammet. “Karaciğer Yetmezliği Teşhisinde Özellik Seçimi Kullanarak Makine Öğrenmesi Yöntemlerinin Başarılarının Ölçülmesi”. Fırat Üniversitesi Mühendislik Bilimleri Dergisi 33/2 (01 Eylül 2021): 367-377. https://doi.org/10.35234/fumbd.832264.
JAMA
1.Saygın E, Baykara M. Karaciğer Yetmezliği Teşhisinde Özellik Seçimi Kullanarak Makine Öğrenmesi Yöntemlerinin Başarılarının Ölçülmesi. Fırat Üniversitesi Mühendislik Bilimleri Dergisi. 2021;33:367–377.
MLA
Saygın, Emre, ve Muhammet Baykara. “Karaciğer Yetmezliği Teşhisinde Özellik Seçimi Kullanarak Makine Öğrenmesi Yöntemlerinin Başarılarının Ölçülmesi”. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, c. 33, sy 2, Eylül 2021, ss. 367-7, doi:10.35234/fumbd.832264.
Vancouver
1.Emre Saygın, Muhammet Baykara. Karaciğer Yetmezliği Teşhisinde Özellik Seçimi Kullanarak Makine Öğrenmesi Yöntemlerinin Başarılarının Ölçülmesi. Fırat Üniversitesi Mühendislik Bilimleri Dergisi. 01 Eylül 2021;33(2):367-7. doi:10.35234/fumbd.832264
Cited By
Makine Öğrenimi Algoritmaları Kullanarak Kalp Hastalıklarının Tespit Edilmesi
European Journal of Science and Technology
https://doi.org/10.31590/ejosat.1012986Türkiye’de Açık Bankacılık, Açık Veri ve Banka Açıklığı Üzerine Değerlendirme
Ekonomi ve Finansal Araştırmalar Dergisi
https://doi.org/10.56668/jefr.1253087Forecasting Precipitation by Machine Learning Algorithms to Adapt Climate Change
JENAS Journal of Environmental and Natural Studies
https://doi.org/10.53472/jenas.1150975A Yolov3-Based Garbage Detection Systems
Journal of Smart Systems Research
https://doi.org/10.58769/joinssr.1390459Evaluation of Performance Metrics in Heart Disease by Machine Learning Techniques
The Journal of Cognitive Systems
https://doi.org/10.52876/jcs.1276688A new hybrid feature reduction method by using MCMSTClustering algorithm with various feature projection methods: a case study on sleep disorder diagnosis
Signal, Image and Video Processing
https://doi.org/10.1007/s11760-024-03097-1VERİ ÖN İŞLEME TEKNİKLERİNİN SAĞLIK VERİLERİNİN SINIFLANDIRMA BAŞARISINA ETKİSİNİN İNCELENMESİ
Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi
https://doi.org/10.54365/adyumbd.1466631Decision Support Systems Based on Machine Learning for Detection of Liver Diseases
Afyon Kocatepe University Journal of Sciences and Engineering
https://doi.org/10.35414/akufemubid.1580440