Makine Öğrenmesi Yöntemlerinin Felç Riskinin Belirlenmesinde Performansı: Karşılaştırmalı bir çalışma

Performance of Machine Learning Methods in Determining Stroke Risk: A Comparative Study

Özet

Felç (inme), beyin ya da kalbin belli bir bölgesinde kan akışının azalması ya da kesilmesi sonucunda gerçekleşen ani krizlerdir. Dünya genelinde ölüme en çok neden olan rahatsızlıklardan biri olan felcin kalıcı sakatlanmalara da neden olduğu bilinmektedir. Bu nedenle felç riskinin önceden belirlenmesi ölüm ya da kalıcı sakatlık riskinin azaltılması için oldukça önemlidir. Bu çalışmada felcin erken teşhisi ve risk sınıflandırması için 13 farklı makine öğrenme yöntemi kullanılmış ve deneysel sonuçlar elde edilmiştir. Elde edilen deneysel sonuçlar çeşitli başarı karşılaştırma ölçütlerine göre değerlendirilerek en başarılı makine öğrenme modeli belirlenmiştir. Elde edilen deneysel sonuçlarda Rastgele Orman Sınıflandırıcısı 99.425% doğruluk değeri ile en başarılı yöntem olduğu görülmüştür.

Abstract

Stroke is a sudden crisis that occurs as a result of reduced or interrupted blood flow in a certain region of the brain or heart. The stroke, which is one of the most common causes of death in the world, also causes permanent disability is known. Therefore, predetermining the risk of stroke is very important to reduce the risk of death or permanent disability. In this study, 13 different machine learning methods have been used for early diagnosis and risk classification of stroke and experimental results have been obtained. The obtained experimental results have been evaluated on various comparison criteria. In the obtained experimental results, Random Forest Classifier has been found to be the most successful method with accuracy rate with 99.425%.

Anahtar kelimeler: Felç, makine öğrenmesi, hastalık teşhisi, sınıflandırma, rastgele orman sınıflandırıcısı