Journals / El-Cezeri / 2016 / Cilt: 3 - Sayı: 3

Veri İndirgeme ve Sınıflandırma Teknikleri ile Glokom Hastalığı Teşhisi

Journal
El-Cezeri
Pages
0–0
Publication Date
2016-09-30
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

İndirgenen veriler Karar Ağaçları ve Yapay Sinir Ağları kullanılarak sınıflandırılmış ve ardından da Çapraz Doğrulama ile performans değerlendirilmesi gerçekleştirilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Glokom göz içi basıncının sıklıkla yükselmesi nedeniyle görme sinirinin zarar görmesidir.
📊
Key Findings & Data:Kendini hastalığın en son aşamalarında fark ettiren sinsi bir hastalık olan glokom, geç tanı konulduğunda görme sinirinde onarılması mümkün olmayan ciddi tahribatlar oluşturabilmektedir.
💡
Conclusion & Impact:İndirgenen veriler Karar Ağaçları ve Yapay Sinir Ağları kullanılarak sınıflandırılmış ve ardından da Çapraz Doğrulama ile performans değerlendirilmesi gerçekleştirilmiştir.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Glokom · kaba kümeler · karar ağaçları

Özet

Glokom göz içi basıncının sıklıkla yükselmesi nedeniyle görme sinirinin zarar görmesidir. Kendini hastalığın en son aşamalarında fark ettiren sinsi bir hastalık olan glokom, geç tanı konulduğunda görme sinirinde onarılması mümkün olmayan ciddi tahribatlar oluşturabilmektedir. Bu çalışmadaki amaç az nitelikle glokom hastalığının teşhis edilmesidir. Çalışmada Hacıefendioğlu’nun yüksek lisans tezinden alınan hasta bilgileri veri kümesi olarak kullanılmıştır. Bu veri kümesindeki nitelik sayısı, kaba kümeler yöntemleri ile 8’den 5’e düşürülmüştür. İndirgenen veriler Karar Ağaçları ve Yapay Sinir Ağları kullanılarak sınıflandırılmış ve ardından da Çapraz Doğrulama ile performans değerlendirilmesi gerçekleştirilmiştir.

🔖

Cite This Article

ŞATIR, E., AZBOY, F., AYDIN, A., ARSLAN, H., HACIEFENDİOĞLU, Ş. (2016). Veri İndirgeme ve Sınıflandırma Teknikleri ile Glokom Hastalığı Teşhisi. El-Cezeri, Cilt: 3 - Sayı: 3, 0–0. https://ajindex.com/articles/252658

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (2)

  1. Bhowmik, D., Sampath Kumar, K.P., Deb L., Paswan S., Dutta, A.S., (2012).
  2. Glaucoma -A Eye Disorder Its Causes, Risk Factor, Prevention and Medication, The Pharma Innovation, 1(1), 66-81 [2] Hacıefendioğlu Ş., (2012). Makine Öğrenmesi Yöntemleri ile Glokom Hastalığın Teşhisi, Yüksek Lisans Tezi, Selçuk Üniversitesi [3] Kumarasamy, N.A., Lam, F.S., Wang, A.L., Theoharides, T.C., (2006). Glaucoma: Current And Developing Concepts For Inflammation, Pathogenesis And Treathment, Europen Journal Of Inflammation, 4(3), 129-137 [4] Bock, R., Meirer, J., Michelson, G., NY´U, L. G., Hornegger, J. (2007), Classifying glaucoma with image-based features from fundus photographs, University of Erlangen-Nuremberg, Erlangen, 355–364. [5] Bizios, D., Heijl, A., Hougaard, J.L., Bengtsson, B., (2010), Machine learning classifiers for glaucoma diagnosis based on classification of retinal nerve fibre layer thickness parameters measured by Stratus OCT, Acta Ophthalmologica, 88(1), 44-52. [6] Belghith, B., Bowd, C., Balasubramanian, M., Weinreb, R.N., Zangwill, L.M., (2013), A Bayesian framework for glaucoma progression detection using Heidelberg Retina Tomograph images, (IJACSA) International Journal of Advanced Computer Science and Applications, 4(9), 223-229. [7] Kaya, Y., Yeşilova, A., Tekin, R., (2011). E-Posta Kullanım Alışkanlığının Kaba Kümeler ile İncelenmesi, 6th International Advanced Technologies Symposium (IATS’11), 62-65. [8] Çalış, A., Kayapınar, S., Çetinyokuş, T., (2014). Veri Madenciliğinde Karar Ağacı Algoritmaları ile Bilgisayar ve İnternet Güvenliği Üzerine Bir Uygulama, Endüstri Mühendisliği Dergisi, 25(3-4), 2-19. [9] Onan, A., (2015). Şirket İflaslarının Tahmin Edilmesinde Karar Ağacı Algoritmalarının Karşılaştırmalı Başarım Analizi, Bilişim Teknolojileri Dergisi, 8(1), 9-19.