RASGELE ORMAN VE İKİLİ PARÇACIK SÜRÜ ZEKÂSI YÖNTEMİYLE KALP YETMEZLİĞİ HASTALIĞINDAKİ ÖLÜM RİSKİNİN TAHMİNLENMESİ

International Journal of 3D Printing Technologies and Digital Industry Pub Date : 2022-11-10 DOI:10.46519/ij3dptdi.982670

Osamah Khaled Musleh Salman, Bekir Aksoy

{"title":"RASGELE ORMAN VE İKİLİ PARÇACIK SÜRÜ ZEKÂSI YÖNTEMİYLE KALP YETMEZLİĞİ HASTALIĞINDAKİ ÖLÜM RİSKİNİN TAHMİNLENMESİ","authors":"Osamah Khaled Musleh Salman, Bekir Aksoy","doi":"10.46519/ij3dptdi.982670","DOIUrl":null,"url":null,"abstract":"Son yıllarda kalp hastalıkların hızla artışı ile birlikte bu hastalıklardan ölen insanların sayısı da hızla artmaktadır. Bu nedenle hastalıkların erken teşhisi, insan yaşam ömrünü arttırmada oldukça önemlidir. Çalışmada 2015 yılı nisan ve aralık aylarını kapsayan kalp yetmezliği hastalarına ait toplam 299 klinik hastaya ait kayıtlar açık erişimli internet sitesinden alınarak kullanılmıştır. Açık erişimli internet sitesinden elde edilen veriler veri ön işleme aşamasından geçirilerek yapay zekâ ile analiz için hazır hale getirilmiştir. Veri seti ilk olarak Rasgele Orman algoritmasının hiper parametreleri belirlenmiştir. Elde edilen hiper parametreler, ikili parçacık sürü zekâ yöntemi kullanılarak veri seti üzerinde global bir özellik seçimi gerçekleştirilmiştir. Elde edilen sonuçlar tekrar rasgele orman algoritması ve 10 kat 10 iterasyonu ile çapraz doğrulama ile eğitilerek ölüm risk durumunu gösteren en uygun model elde edilmiştir. Elde edilen modelin 100 eğitimin ortalama doğruluk oranı ise %79.66 olarak belirlenmiştir.","PeriodicalId":358444,"journal":{"name":"International Journal of 3D Printing Technologies and Digital Industry","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-11-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"International Journal of 3D Printing Technologies and Digital Industry","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.46519/ij3dptdi.982670","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Son yıllarda kalp hastalıkların hızla artışı ile birlikte bu hastalıklardan ölen insanların sayısı da hızla artmaktadır. Bu nedenle hastalıkların erken teşhisi, insan yaşam ömrünü arttırmada oldukça önemlidir. Çalışmada 2015 yılı nisan ve aralık aylarını kapsayan kalp yetmezliği hastalarına ait toplam 299 klinik hastaya ait kayıtlar açık erişimli internet sitesinden alınarak kullanılmıştır. Açık erişimli internet sitesinden elde edilen veriler veri ön işleme aşamasından geçirilerek yapay zekâ ile analiz için hazır hale getirilmiştir. Veri seti ilk olarak Rasgele Orman algoritmasının hiper parametreleri belirlenmiştir. Elde edilen hiper parametreler, ikili parçacık sürü zekâ yöntemi kullanılarak veri seti üzerinde global bir özellik seçimi gerçekleştirilmiştir. Elde edilen sonuçlar tekrar rasgele orman algoritması ve 10 kat 10 iterasyonu ile çapraz doğrulama ile eğitilerek ölüm risk durumunu gösteren en uygun model elde edilmiştir. Elde edilen modelin 100 eğitimin ortalama doğruluk oranı ise %79.66 olarak belirlenmiştir.

查看原文本刊更多论文

近年来，心脏病发病率迅速上升，死于这些疾病的人数也在迅速增加。因此，疾病的早期诊断对于延长人类寿命非常重要。在研究中，我们从公开访问网站上获取并使用了 299 名心力衰竭临床患者的病历，时间跨度为 2015 年 4 月至 12 月。通过数据预处理阶段，从公开访问网站获取的数据已为人工智能分析做好准备。首先，确定随机森林算法的超参数。使用二元粒子群智能方法对数据集进行全局特征选择。再次使用随机森林算法对得到的结果进行训练，并以 10 次迭代的方式进行交叉验证，最终得到最适合显示死亡风险状况的模型。经过 100 次训练获得的模型平均准确率为 79.66%。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

International Journal of 3D Printing Technologies and Digital Industry

自引率

0.00%

发文量