İlaç İlaç Etkileşimlerinin Jordan Elman Ağları Kullanılarak Sınıflandırılması

Fırat Hardalaç; Uğurhan Kutbay Kutbay

doi:10.17341/gummfd.87747

İlaç İlaç Etkileşimlerinin Jordan Elman Ağları Kullanılarak Sınıflandırılması

Öz

İlaç kullanımı birçok risk içermektedir. Bu riskler hastanede yatış için kabul alanların aldıkları ilaçla ilgili problemler, hastanede yatış sırasında alınan ilaca bağlı sorunlar, taburcu edilmeden alınan ilaç problemleri, medikal hatalar ve ilaç ilaç etkileşimleri(İİE)dir [1]. İİE’lerin ölümcül etkilerinden dolayı, FDA (U.S. Food and Drug Administration) ve EMEA (European Medicines Agency) bu alanda çalışmalar yapmaktadır [2]. Lazarou ve arkadaşlarına göre hastanede yatan hastaların %6,7’sinde, %0,32’lik bir oranda ölümcül İİE tespit edilmiştir
[3]. İİE’den dolayı ölümlerin ABD’ye maliyeti yıllık 136milyar$ olmaktadır [4]. İİE’lerin ölümcül etkilerinin önüne geçilmesi için bu çalışmada İİE’lerin yapay sinir ağlarıyla sınıflandırılması amaçlanmaktadır. Bu çalışmada Jordan Elman Ağları bazı İİE’lere uygulanmış ve sınıflandırma işlemi 1000 adımda eğitilmiştir. Eğitimin 149 adım sonunda Levenberg Marquardt öğrenme algortimasıyla 0,0305’lik bir MSE ile Jordan ağı
oluşturulmuş ve ağın test sonucu 0,8177’lik korelasyon katsıyısı elde edilmiştir. Bu çalışma ayrıca Türkiye Cumhuriyeti Bilim Sanayi ve Teknolji Bakanlığı tarafından 00912.STZ.2011-1 kod numaralı “İlaç Etkileşimleri” projesi olarak desteklenmiştir.

Anahtar Kelimeler

Sınıflandırma, yapay sinir ağları, jordan elman ağları, ilaç ilaç etkileşimleri, levenberg marquardt

Kaynakça

Vonbach, P., Drug Drug Interactions in the
Hospital, Inauguraldissertation, University of
Basel, 2007.
Polak, S., Brandys, J., “Neural System for in
silico Drug-Drug Interaction Screening”,
Proceedings of the 2005 International
Conference on Computational Intelligence for
Modelling, Control and Automation, and

International Conference, Ontario, Canada,
-
Lazarou, J., Pomeranz, B., Corey, P.N.,
“Incidence of adverse drug reactions in
hospitalized patients: A meta-analysis of
prospective studies”, The Journal Of The
American Medical Association (JAMA), Cilt
, 1200–1205, 1998.
Johnson, J.A., Bootman, J.L., “Drug-related
morbidity and mortality. A cost-of-illness
model”, Arch Intern Med, Cilt 155, No
,1949–1956, 1995.
Pirmohamed, M., James, S., Meakin, S., et al.,
“Adverse drug reactions as cause of admission to
hospital: prospective analysis of 18 820 patients”,
BMJ, Cilt 329, No 7456, 15-23, 2004.
Lepori, V., Perren, A., Marone, C., “Adverse
internal medicine drug effects at hospital
admission”, Schweiz Med Wochenschr, Cilt
, No 24, 915-922. 1999.
Srinivasan, V., Eswaran, C., Sriraam, N.,
“Epileptic detection using artificial neural
networks”, International Conference On Signal
Processing And Communication (SPCOM),
Bangalore, India, 2004
Jordan, M., “Serial order: A parallel distributed
processing approach,” Advances in Psychology,
Neural-Networks Models of Cognition, Cilt
, 471-495, 1997.
Deshmukh, R.P., Ghatol, A.A. "Comparative
Study Of Jorden And Elman Model Of Neural
Network For Short Term Flood Forecasting”,
IEEE 3rd International Conference on
Computer Science and Information
Technology (ICCSIT), Chengdu, China, 400-
, 2010.
Chatterjee, A., Paul, K. C., Tudu B., “Application
Of Recurrent Neural Network For Generating
Grayscale Digital Half-Tone Images”, Second
International Conference on Emerging
Applications of Information Technology,
Science City, Kolkata, 41-44, 2011.
Versace, M., Bhatt, R., Hinds, O., Shiffer,
M.,“Predicting the exchange traded fund DIA
with a combination of genetic algorithms and
neural networks”, Expert Systems with
Applications, , Cilt 27, No 4, 417-425, 2004.
Kelo, S.M., Dudul, S.M., “Short-term
Maharashtra state electrical power load prediction
with special emphasis on seasonal changes using
a novel focused time lagged recurrent neural
network based on time delay neural network
model”, Expert Systems with Applications, Cilt
, No 3, 1554-1564, 2011.
Fink, O., Zio, E., Weidmann, U., “Predicting time
series of railway speed restrictions with timedependent
machine learning techniques”, Expert
Systems with Applications, , Cilt 40, No 15,
–6040, 2013.
Kaya, T., İnce, M. C., “Design Of FIR Filter
Using Modeled Window Function With Helping
Of Artificial Neural Networks”, Journal of the
Faculty of Engineering and Architecture of
Gazi University, Cilt 27, No 3, 599-606, 2012.
Güntürkün, R., “Determining the Amount of
Anesthetic Medicineto Be Applied by Using
Elman’s Recurrent Neural Networks via Resilient
Back Propagation”, Journal of Medical
Systems, Cilt 34, 493–497, 2010.
Pearlmutter, B. A., ”Gradient Calculations For
Dynamic Recurrent Neural Networks: A Survey”,
IEEE Transactions On Neural Networks, Cilt
, No 5, 1212-1228,1995.
Lee, S. W., Song, H. H., “A New Recurrent
Neural- Network Architecture for Visual Pattern
Recognition”, IEEE Transactions On Neural
Networks, Cilt 8, No 2, 331-340, 1997.
Hardalac, F., “Classification of educational
backgrounds of students using musical
intelligence and perception with the help of
genetic neural networks”, Expert Systems with
Applications, Cilt 36, 6708–6713, 2009
Elman, J. L., “Finding structure in time”,
Cognitive Science, Cilt 14, 179–211, 1990.
Levenberg, K., "A Method for the Solution of
Certain Non-Linear Problems in Least
Squares", Quarterly of Applied Mathematics,
Cilt 2, No 2, 164–168 , 1944.

Ayrıntılar

Birincil Dil

İngilizce

Konular

-

Bölüm

-

Yazarlar

Fırat Hardalaç Bu kişi benim

Uğurhan Kutbay Kutbay Bu kişi benim

Yayımlanma Tarihi

27 Mart 2014

Gönderilme Tarihi

27 Mart 2014

Kabul Tarihi

-

Yayımlandığı Sayı

Yıl 2014 Cilt: 29 Sayı: 1

DOI

https://doi.org/10.17341/gummfd.87747

IZ

https://izlik.org/JA27GU82DF

Kaynak Göster

RIS / Bibtex

APA

Hardalaç, F., & Kutbay, U. K. (2014). İlaç İlaç Etkileşimlerinin Jordan Elman Ağları Kullanılarak Sınıflandırılması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 29(1). https://doi.org/10.17341/gummfd.87747

AMA

1.Hardalaç F, Kutbay UK. İlaç İlaç Etkileşimlerinin Jordan Elman Ağları Kullanılarak Sınıflandırılması. GUMMFD. 2014;29(1). doi:10.17341/gummfd.87747

Chicago

Hardalaç, Fırat, ve Uğurhan Kutbay Kutbay. 2014. “İlaç İlaç Etkileşimlerinin Jordan Elman Ağları Kullanılarak Sınıflandırılması”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 29 (1). https://doi.org/10.17341/gummfd.87747.

EndNote

Hardalaç F, Kutbay UK (01 Mart 2014) İlaç İlaç Etkileşimlerinin Jordan Elman Ağları Kullanılarak Sınıflandırılması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 29 1

IEEE

[1]F. Hardalaç ve U. K. Kutbay, “İlaç İlaç Etkileşimlerinin Jordan Elman Ağları Kullanılarak Sınıflandırılması”, GUMMFD, c. 29, sy 1, Mar. 2014, doi: 10.17341/gummfd.87747.

ISNAD

Hardalaç, Fırat - Kutbay, Uğurhan Kutbay. “İlaç İlaç Etkileşimlerinin Jordan Elman Ağları Kullanılarak Sınıflandırılması”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 29/1 (01 Mart 2014). https://doi.org/10.17341/gummfd.87747.

JAMA

1.Hardalaç F, Kutbay UK. İlaç İlaç Etkileşimlerinin Jordan Elman Ağları Kullanılarak Sınıflandırılması. GUMMFD. 2014;29. doi:10.17341/gummfd.87747.

MLA

Hardalaç, Fırat, ve Uğurhan Kutbay Kutbay. “İlaç İlaç Etkileşimlerinin Jordan Elman Ağları Kullanılarak Sınıflandırılması”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, c. 29, sy 1, Mart 2014, doi:10.17341/gummfd.87747.

Vancouver

1.Fırat Hardalaç, Uğurhan Kutbay Kutbay. İlaç İlaç Etkileşimlerinin Jordan Elman Ağları Kullanılarak Sınıflandırılması. GUMMFD. 01 Mart 2014;29(1). doi:10.17341/gummfd.87747