Hepatit hastalığının tespitinde bulanık mantık ve makine öğrenmesi yöntemlerinin karşılaştırılması

DÜMF Mühendislik Dergisi Pub Date : 2023-11-16 DOI:10.24012/dumf.1319102

Cengiz Çoşkun, Emre Yüksek

{"title":"Hepatit hastalığının tespitinde bulanık mantık ve makine öğrenmesi yöntemlerinin karşılaştırılması","authors":"Cengiz Çoşkun, Emre Yüksek","doi":"10.24012/dumf.1319102","DOIUrl":null,"url":null,"abstract":"Yaygın bir karaciğer rahatsızlığı olan hepatit, dünya çapında önemli halk sağlığı sorunlarından biridir. Klinik verilerin doğru yorumlanması, hepatit tanısının yapılabilmesi için ele alınması gereken en önemli sorunlardan birisidir. Bu çalışmada, ölümcül hepatit hastalığının tanısı için öznitelik seçimi yöntemi uygulanarak, bulanık modelleme ile çeşitli makine öğrenmesi yöntemlerinin hastalık tespitindeki başarısı karşılaştırılmıştır. Çalışmada UCI makine öğrenimi deposundan edinilen hepatit veri seti kullanılmıştır. Kullanılan veri seti ilk olarak veri ön işlemeden geçirilmiş, sınıflandırma başarısının artırılması için öznitelik seçimi ile veri setindeki özellik sayısı azaltılmıştır. Özellik sayısı azaltılan veri seti kullanılarak bulanık model ve makine öğrenmesi modelleri denenmiştir. Elde edilen sonuçlar çeşitli metrikler kullanılarak değerlendirilmiştir. Yapılan çalışmalar sonucunda Bulanık Mantık yöntemi ile doğruluk %94 olurken, Gradient Boosting algoritması ile doğruluk, kesinlik, duyarlılık ve f-skor metriği açısından sırasıyla %98.36, %98.68, %98.95 ve %98.91 olarak hesaplanmıştır. Elde edilen sonuçlar, hepatit hastalığının teşhisinde makine öğrenmesi yöntemlerinden Gradient Boosting yönteminin diğer makine öğrenme yöntemlerine ve bulanık yaklaşıma göre daha başarılı olduğu görülmüştür.","PeriodicalId":158576,"journal":{"name":"DÜMF Mühendislik Dergisi","volume":"23 2","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-11-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"DÜMF Mühendislik Dergisi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24012/dumf.1319102","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

Yaygın bir karaciğer rahatsızlığı olan hepatit, dünya çapında önemli halk sağlığı sorunlarından biridir. Klinik verilerin doğru yorumlanması, hepatit tanısının yapılabilmesi için ele alınması gereken en önemli sorunlardan birisidir. Bu çalışmada, ölümcül hepatit hastalığının tanısı için öznitelik seçimi yöntemi uygulanarak, bulanık modelleme ile çeşitli makine öğrenmesi yöntemlerinin hastalık tespitindeki başarısı karşılaştırılmıştır. Çalışmada UCI makine öğrenimi deposundan edinilen hepatit veri seti kullanılmıştır. Kullanılan veri seti ilk olarak veri ön işlemeden geçirilmiş, sınıflandırma başarısının artırılması için öznitelik seçimi ile veri setindeki özellik sayısı azaltılmıştır. Özellik sayısı azaltılan veri seti kullanılarak bulanık model ve makine öğrenmesi modelleri denenmiştir. Elde edilen sonuçlar çeşitli metrikler kullanılarak değerlendirilmiştir. Yapılan çalışmalar sonucunda Bulanık Mantık yöntemi ile doğruluk %94 olurken, Gradient Boosting algoritması ile doğruluk, kesinlik, duyarlılık ve f-skor metriği açısından sırasıyla %98.36, %98.68, %98.95 ve %98.91 olarak hesaplanmıştır. Elde edilen sonuçlar, hepatit hastalığının teşhisinde makine öğrenmesi yöntemlerinden Gradient Boosting yönteminin diğer makine öğrenme yöntemlerine ve bulanık yaklaşıma göre daha başarılı olduğu görülmüştür.

查看原文本刊更多论文

模糊逻辑和机器学习方法在检测肝炎疾病中的比较

肝炎是一种常见的肝脏疾病，是全球主要的公共卫生问题之一。正确解读临床数据是诊断肝炎需要解决的最重要问题之一。在本研究中，通过应用特征选择方法诊断致命性肝炎疾病，比较了模糊建模和各种机器学习方法在疾病检测方面的成功案例。研究中使用了从加州大学洛杉矶分校机器学习库中获得的肝炎数据集。首先对数据集进行数据预处理，并通过特征选择减少数据集中的特征数量，以提高分类成功率。使用减少了特征数量的数据集测试了模糊模型和机器学习模型。使用各种指标对所获得的结果进行了评估。研究结果显示，模糊逻辑方法的准确率为 94%，而梯度提升算法在准确率、精确度、灵敏度和 f-score 指标方面的准确率分别为 98.36%、98.68%、98.95% 和 98.91%。结果表明，在诊断肝炎疾病方面，机器学习方法之一的梯度提升法比其他机器学习方法和模糊方法更成功。

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

DÜMF Mühendislik Dergisi

自引率

0.00%

发文量