Yıl 2018, Cilt 10 , Sayı 1, Sayfalar 85 - 93 2017-01-29

Identification of Coronary Artery Disease Risk Using Data Mining Techniques
Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi

Şeyma CİHAN [1] , Bergen KARABULUT [2] , Güvenç ARSLAN [3] , Gökhan CİHAN [4]


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

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.

  • Abdullah, A. S. (2012). A Data Mining Model to Predict and Analyze the Events Related to Coronary Heart Disease using Decision Trees with Particle Swarm Optimization for Feature Selection. International Journal of Computer Applications, 55(8).
  • Alizadehsani, R., Habibi, J., Hosseini, M. J., Mashayekhi, H., Boghrati, R., Ghandeharioun, A., Sani, Z. A. (2013). A Data Mining Approach for Diagnosis of Coronary Artery Disease. Computer Methods and Programs in Biomedicine, 111(1), 52-61.
  • Alizadehsani, R., Hosseini, M. J., Sani, Z. A., Ghandeharioun, A., & Boghrati, R. (2012). Diagnosis of Coronary Artery Disease Using Cost-Sensitive Algorithms. In Data Mining Workshops (ICDMW), 2012 IEEE 12th International Conference on (pp. 9-16). IEEE.
  • Anbarasi, M., Anupriya, E., & Iyengar, N. C. S. N. (2010). Enhanced Prediction of Heart Disease with Feature Subset Selection Using Genetic Algorithm. International Journal of Engineering Science and Technology, 2(10), 5370-5376.
  • Avşar, A., Önder, Akçı., Beyter, M. E. (2011). Aterosklerozun Patogenezi (Aterogenez). Turkiye Klinikleri Journal of Cardiology Special Topics, 4(2), 1-15.
  • Cardiovascular diseases (CVDs), http://www.who.int/mediacentre/factsheets/fs317/en/ (Erişim tarihi; Ekim, 2016).
  • Ceylan, Y., Kaya, Y., & Tuncer, M. (2011). Akut Koroner Sendrom Kliniği ile Başvuran Hastalarda Koroner Arter Hastalığı Risk Faktörleri. Van Tıp Dergisi, 18(3), 147-54.
  • Chen, A. H., Huang, S. Y., Hong, P. S., Cheng, C. H., & Lin, E. J. (2011, September). HDPS: Heart Disease Prediction System. In Computing in Cardiology, 2011 (pp. 557-560). IEEE.
  • Çınar, H. ve Arslan, G., 2008. “Veri madenciliği ve CRISP-DM yaklaşımı”, XVII. İstatistik Araştırma Sempozyumu, 304-314, Ankara.
  • De Flines, J., & Scheen, A. J. (2009). Management Of Metabolic Syndrome And Associated Cardiovascular Risk Factors. Acta Gastro-Enterologica Belgica, 73(2), 261-266.
  • El-Bialy, R., Salamay, M. A., Karam, O. H., & Khalifa, M. E. (2015). Feature Analysis of Coronary Artery Heart Disease Data Sets. Procedia Computer Science, 65, 459-468.
  • Erdoğan, N., Altın, L., Altunkan, Ş. (2002). Elektron Beam Tomografi ile Koroner Arterlerdeki Kalsiyum Miktar›n›n Saptanması. Tanısal ve Girişimsel Radyoloji, 8, 533-537.
  • Griffin, B. P., Callahan T.D., Menon, V.(Eds.). (2012). Manual of Cardiovascular Medicine. Lippincott Williams & Wilkins.
  • Mann, D. L., Zipes, D. P., Libby, P., & Bonow, R. O. (2014). Braunwald's Heart Disease: a Textbook of Cardiovascular Medicine. Elsevier Health Sciences.
  • Ökçün, B., Gürmen, T. (2007). Koroner Anjiyografi Komplikasyonları ve Tedavisi. Turkiye Klinikleri Journal of Internal Medical Sciences, 3(42), 48-72.
  • Palaniappan, S., & Awang, R. (2008). Intelligent Heart Disease Prediction System Using Data Mining Techniques. In Computer Systems and Applications, 2008. AICCSA 2008. IEEE/ACS International Conference on (pp. 108-115). IEEE.
  • Pandey, A. K., Pandey, P., & Jaiswal, K. L. (2013). A Heart Disease Prediction Model Using Decision Tree. IUP Journal of Computer Sciences, 7(3), 43.
  • Shafique, U., Majeed, F., Qaiser, H., & Mustafa, I. U. (2015). Data Mining in Healthcare for Heart Diseases. International Journal of Innovation and Applied Studies, 10(4), 1312.
  • Sharan M.L, Sathees, K.B. (2016). Analysis of Cardiovascular Heart Disease Prediction Using Data Mining Techniques. Analysis, 4(1), 55-58.
  • Soni, J., Ansari, U., Sharma, D., Soni, S. (2011). Predictive Data Mining for Medical Diagnosis: An Overview of Heart Disease Prediction. International Journal of Computer Applications, 17(8), 43-48.
  • Srinivas, K., Rani, B. K., & Govrdhan, A. (2010). Applications of Data Mining Techniques in Healthcare and Prediction of Heart Attacks. International Journal on Computer Science and Engineering (IJCSE), 2(02), 250-255.
  • Onat, A., Sansoy, V., Soydan, İ., Tokgözoğlu, L., & Adalet, K. (2003). TEKHARF, Oniki Yıllık İzleme Deneyimine Göre Türk Erişkinlerinde Kalp Sağlığı. İstanbul Türkiye, 12-4.
  • Verma, L., Srivastava, S., Negi, P. C. (2016). A Hybrid Data Mining Model to Predict Coronary Artery Disease Cases Using Non-Invasive Clinical Data. Journal of Medical Systems, 40(7), 1-7.
  • Wirth, R., & Hipp, J. (2000). CRISP-DM: Towards a Standard Process Model for Data Mining. In Proceedings of the 4th International Conference on the Practical Applications of Knowledge Discovery and Data Mining, 29-39.
  • Wong, N. D. (2014). Epidemiological Studies of CHD and the Evolution of Preventive Cardiology. Nature Reviews. Cardiology, 11(5), 276.
Birincil Dil tr
Konular Mühendislik, Ortak Disiplinler
Bölüm Makaleler
Yazarlar

Yazar: Şeyma CİHAN

Yazar: Bergen KARABULUT (Sorumlu Yazar)

Yazar: Güvenç ARSLAN

Yazar: Gökhan CİHAN

Tarihler

Yayımlanma Tarihi : 29 Ocak 2017

Bibtex @araştırma makalesi { umagd419663, journal = {International Journal of Engineering Research and Development}, issn = {}, eissn = {1308-5514}, address = {Kırıkkale Üniversitesi Mühendislik Fakültesi Dekanlığı Kampüs 71450 Yahşihan/KIRIKKALE}, publisher = {Kırıkkale Üniversitesi}, year = {2017}, volume = {10}, pages = {85 - 93}, doi = {10.29137/umagd.419663}, title = {Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi}, key = {cite}, author = {CİHAN, Şeyma and KARABULUT, Bergen and ARSLAN, Güvenç and CİHAN, Gökhan} }
APA CİHAN, Ş , KARABULUT, B , ARSLAN, G , CİHAN, G . (2017). Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi. International Journal of Engineering Research and Development , 10 (1) , 85-93 . DOI: 10.29137/umagd.419663
MLA CİHAN, Ş , KARABULUT, B , ARSLAN, G , CİHAN, G . "Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi". International Journal of Engineering Research and Development 10 (2017 ): 85-93 <https://dergipark.org.tr/tr/pub/umagd/issue/36839/419663>
Chicago CİHAN, Ş , KARABULUT, B , ARSLAN, G , CİHAN, G . "Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi". International Journal of Engineering Research and Development 10 (2017 ): 85-93
RIS TY - JOUR T1 - Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi AU - Şeyma CİHAN , Bergen KARABULUT , Güvenç ARSLAN , Gökhan CİHAN Y1 - 2017 PY - 2017 N1 - doi: 10.29137/umagd.419663 DO - 10.29137/umagd.419663 T2 - International Journal of Engineering Research and Development JF - Journal JO - JOR SP - 85 EP - 93 VL - 10 IS - 1 SN - -1308-5514 M3 - doi: 10.29137/umagd.419663 UR - https://doi.org/10.29137/umagd.419663 Y2 - 2017 ER -
EndNote %0 Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi %A Şeyma CİHAN , Bergen KARABULUT , Güvenç ARSLAN , Gökhan CİHAN %T Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi %D 2017 %J International Journal of Engineering Research and Development %P -1308-5514 %V 10 %N 1 %R doi: 10.29137/umagd.419663 %U 10.29137/umagd.419663
ISNAD CİHAN, Şeyma , KARABULUT, Bergen , ARSLAN, Güvenç , CİHAN, Gökhan . "Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi". International Journal of Engineering Research and Development 10 / 1 (Ocak 2017): 85-93 . https://doi.org/10.29137/umagd.419663
AMA CİHAN Ş , KARABULUT B , ARSLAN G , CİHAN G . Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi. IJERAD. 2017; 10(1): 85-93.
Vancouver CİHAN Ş , KARABULUT B , ARSLAN G , CİHAN G . Koroner Arter Hastalığı Riskinin Veri Madenciliği Yöntemleri İle İncelenmesi. International Journal of Engineering Research and Development. 2017; 10(1): 93-85.