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

Veri İndirgeme ve Sınıflandırma Teknikleri ile Glokom Hastalığı Teşhisi

Sayfa
0–0
Yayın Tarihi
2016-09-30
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

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

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Glokom göz içi basıncının sıklıkla yükselmesi nedeniyle görme sinirinin zarar görmesidir.
📊
Temel Bulgular & Veri:Kendini hastalığın en son aşamalarında fark ettiren sinsi bir hastalık olan glokom, geç tanı konulduğunda görme sinirinde onarılması mümkün olmayan ciddi tahribatlar oluşturabilmektedir.
💡
Sonuç & Katkı:İndirgenen veriler Karar Ağaçları ve Yapay Sinir Ağları kullanılarak sınıflandırılmış ve ardından da Çapraz Doğrulama ile performans değerlendirilmesi gerçekleştirilmiştir.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler: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.

🔖

Bu Makaleye Atıf Yap

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

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (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.