Journals / Acta Infologica / 2021 / Cilt: 5 - Sayı: 1

Analysis of Autism Spectrum Disorder in Children with Data Mining Methods

Çocuklar İçin Otizm Spektrum Bozukluğunun VeriMadenciliği Yöntemleri ile Analizi

Pages
167–186
Publication Date
2022-09-04
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)

The results of each method wereevaluated and the performances were compared.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Data mining techniques aim to reveal hidden patterns in data.
📊
Key Findings & Data:Actual and current autismspectrum disorder data collected from 292 children were used in this study.
💡
Conclusion & Impact:The results of each method wereevaluated and the performances were compared.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Domain Parameters

Abstract

Data mining techniques aim to reveal hidden patterns in data. They are widely used in many fields, such asmedicine. Autism spectrum disorder, whose diagnosis and treatment are difficult and lengthy, is a complexneurodevelopmental disorder that is congenital or occurs in the first years of life. Actual and current autismspectrum disorder data collected from 292 children were used in this study. The data set has 20 input attributesand 1 output attribute. The output attribute expresses whether autism is present or not. In the study, data pre processing stages, such as completing missing data on the data set, digitizing categorical data, and normalization,were first carried out. Subsequently, the features were classified by artificial neural networks and linguisticstrength neuro-fuzzy classifier and clustered with k-means and x-means. The results of each method wereevaluated and the performances were compared.

Özet

Veri madenciliği teknikleri, veriler arasında gizli kalmış olan örüntüleri ortaya çıkarmayı amaçlamaktadır. Bukapsamda, tıp gibi birçok alanda yaygın bir biçimde kullanılmaktadır. Teşhis ve tedavisi oldukça zor ve uzunbir süreçten oluşan otizm spektrum bozukluğu doğuştan gelen ya da yaşamın ilk yıllarında ortaya çıkankarmaşık bir nöro-gelişimsel bozukluktur. Bu çalışmada 292 çocuktan toplanan gerçek ve güncel otizmspektrum bozukluğu verileri kullanılmıştır. Veri seti 20 girdi özniteliği ve 1 çıktı özniteliğine sahiptir. Çıktıözniteliği otizmin bulunup bulunmadığını ifade etmektedir. Çalışma da öncelikle veri seti üzerinde eksikverilerin tamamlanması, kategorik verilerin sayısallaştırılması, normalizasyon gibi veri ön işleme aşamalarıgerçekleştirilmiştir. Devamında ise öznitelikler yapay sinir ağları ve dilsel kuvvetli sinir-bulanık sınıflayıcı ilesınıflandırılmış, k-means ve x-means ile kümelenmiştir. Her bir yöntemin sonuçları değerlendirilmiş veperformanslar karşılaştırılmıştır.

🔖

Cite This Article

ÇELİK, S., ÇEŞMELİ, M. Ş. (2022). Analysis of Autism Spectrum Disorder in Children with Data Mining Methods. Acta Infologica, Cilt: 5 - Sayı: 1, 167–186. https://ajindex.com/articles/425962

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (11)

  1. Akçapınar, G., Altun, A. & Aşkar, P. (2016). Çevrimiçi Öğrenme Ortamındaki Benzer Öğrenci Gruplarının Kümeleme Yöntemi İle Belirlenmesi. Eğitim Teknolojisi Kuram ve Uygulama, 6(2), 46-64. DOI: 10.17943/etku.91440. Akdemir, Ç. (2016), “Hilenin Veri Madenciliği İle Ortaya Çıkartılması ve Perakende Sektöründe Bir Uygulama”, (Yayınlanmamış Doktora Tezi), İstanbul: Marmara Üniversitesi Sosyal Bilimler Enstitüsü. Akgöbek, Ö., ve Çakır, F. (2009). Veri Madenciliğinde Bir Uzman Sistem Tasarımı, Akademik Bilişim Konferansı, 9, 801-806.
  2. Akkaya, G. C., Demireli, E., Yakut, Ü. H., & Yakut, H. (2009). İşletmelerde Finansal Başarısızlık Tahminlemesi: Yapay Sinir Ağları Modeli İle İmkb Üzerine Bir Uygulama. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 10(2), 187-216.
  3. Akyılmaz, O., & Ayan, T. (2010). Esnek Hesaplama Yöntemlerinin Jeodezide Uygulamaları. İTÜ Dergisi, 5(1), 261-268.
  4. Akyol, K., & Karaci, A. (2018). A Study on Autistic Spectrum Disorder For Children Based On Feature Selection And Fuzzy Rule, International Congress on Engineering and Life Science, 804–807.
  5. Aydın, S. (2007), “Veri Madenciliği ve Anadolu Üniversitesi Uzaktan Eğitim Sisteminde Bir Uygulama”, (Yayımlanmamış Doktora Tezi). Eskişehir: Anadolu Üniversitesi Sosyal Bilimler Enstitüsü. Bholowalia, P., & Kumar, A. (2014). EBK-Means: A Clustering Technique Based On Elbow Method And K-Means İn WSN. International Journal of Computer Applications, 105(9), 17-24.
  6. Bradley, P. S., Fayyad, U. M., & Reina, C. (1998). Scaling Clustering Algorithms to Large Databases. KDD, 98, 9-15.
  7. Brossette, S. E., Sprague, A. P., Hardin, J. M., Waites, K. B., Jones, W. T., & Moser, S. A. (1998). Association Rules and Data Mining in Hospital İnfection Control And Public Health Surveillance, Journal of The American Medical Informatics Association, 5(4), 373-381.
  8. Budak, E. Ç., & Bozkurt, M. R. (2013). Vertebra Lomber Disklerde Meydana Gelen Bozulmaların Manyetik Rezonans Görüntüleme (Mrg) ile Analizi. AJIT-e: Online Academic Journal of Information Technology, 4(11), 125-144.
  9. Çağlar, M. F., Çetişli, B., & Toprak, İ. B. (2010). Automatic Recognition of Parkinson’s Disease From Sustained Phonation Tests Using ANN and Adaptive Neuro-Fuzzy Classifier. Mühendislik Bilimleri ve Tasarım Dergisi, 1(2), 59-64.
  10. Çalışkan, S. K., & Soğukpınar, İ. (2008). Kxknn: K-Means ve K En Yakin Komşu Yöntemleri İle Ağlarda Nüfuz Tespiti. EMO Yayınları, 120-24.
  11. Çelik, S., Bozkurt, Ö. Ç., & Çeşmeli, M. Ş. (2018). İnsan Omurgası Veri Setinin Sini