Günümüzde
Kardiyovasküler Hastalıklar oldukça yaygındır ve ölüm nedenlerinin başında
gelmektedir. Kardiyovasküler Hastalıkların bir tipi olan Koroner Arter
Hastalığının doğru ve zamanında teşhisi çok önemlidir. Koroner arter
hastalığının kesin tanısı ve hastalık şiddetinin saptanmasında invaziv bir
yöntem olan anjiyografi altın standart olarak kullanılmaktadır. Anjiyografi,
maliyeti yüksek ve ileri seviyede uzmanlık gerektiren bir yöntem olmasının
yanında ciddi komplikasyonlara da sebep olabilmektedir. Bu nedenlerle daha ucuz
ve etkili bir yaklaşım sağlayabilecek olan veri madenciliğinin kullanımı üzerinde
çalışmalar yapılmaktadır. Bu çalışmada Koroner Arter Hastalığı riskinin
tespitinde bir sınıflama modeli geliştirmek için veri madenciliği yaklaşımı
uygulanmıştır. Çalışma kapsamında sınıflandırma yöntemleri ile elde edilen
sonuçlar ve doğru sınıflandırma oranları karşılaştırılmıştır. Bunun için
Cleveland kliniğine ait, 303 kayıt ve 14 değişken içeren kalp hastalığı veri
kümesi kullanılmıştır. Gerekli hesaplamalar ve modelleri elde etmek için Weka
paket programında 1R, J48 Karar Ağacı, Naive Bayes ve Çok katmanlı yapay sinir
ağı (YSA) sınıflandırma yöntemleri uygulanmıştır. Uygulama sonucunda Koroner
Arter Hastalığının tespitinde en iyi sonucun %83,498 doğruluk oranı ile Çok
katmanlı YSA sınıflandırma yöntemi ile elde edildiği görülmüştür. Çok katmanlı YSA
algoritmasını Naive Bayes ve Düzenlenmiş J48 Karar Ağacı algoritmaları
izlemiştir.
Cardiovascular
Diseases are quite common nowadays and are one of the leading causes of death.
The correct and timely diagnosis of Coronary Artery Disease, a type of
Cardiovascular Disease, is very important for further treatment of the
patients. For accurate diagnosis of coronary artery disease and determination
of disease severity, angiography, which is an invasive and gold standard
diagnosis tool, is used. Angiography is a costly and advanced method that
requires clinical expertise and may cause serious complications. For these
reasons, research on using data mining techniques, which is a cheaper and more
effective approach, for diagnosis is one of today's research topics. In this
study, classification-based data mining methods were used to determine the risk
of coronary artery disease and these methods were compared in terms of
accuracy. A data set consisting of 303 patient records and 14 attributes of
Cleveland clinic were used. In particular, 1R, J48 Decision Tree, Naive Bayes
and Multilayer Artificial Neural Network classification methods were applied on
this data set with the help of WEKA program. The best result (in terms of
correct diagnosis ratio) in determining risk of Coronary Artery Disease was
obtained with Artificial Neural Network classification method with an accuracy
of 83.498%. The multi-layer ANN algorithm was followed by Naive Bayes and the
J48 Decision Tree algorithms
Primary Language | Turkish |
---|---|
Journal Section | Articles |
Authors | |
Publication Date | January 29, 2017 |
Submission Date | February 10, 2017 |
Published in Issue | Year 2018 Volume: 10 Issue: 1 |
All Rights Reserved. Kırıkkale University, Faculty of Engineering and Natural Science.