Makine öğrenmesi yöntemleri ile glokom hastalığının teşhisi

dc.contributor.advisorIşık, Hakan
dc.contributor.authorHaciefendioğlu, Şerife
dc.date.accessioned2015-01-05T14:18:31Z
dc.date.available2015-01-05T14:18:31Z
dc.date.issued2012-08-16
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Elektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalıen_US
dc.description.abstractGlokom günümüzde göz hastalıkları içinde en sinsi hastalık olarak kabul edilen ve ilerlediği takdirde tehlikeli sonuçlar doğuran bir rahatsızlıktır. Körlüğe kadar götüren bu hastalık, genellikle göz içi sıvısının göz kanallarından boşalamadığı durumlarda ortaya çıkar ve göz içindeki basıncın(GİB) artması ile göz arkasındaki sinirlerin bu basınçtan ötürü zarar görmesi şeklinde gelişir. Bu çalışmadaki amaç söz konusu hastalığın göz sinirleri hasar görmeden önce teşhis edilebilmesi ve dünyada körlük nedenleri arasında ilk sıralarda yer alan hastalığın tahmin edilebilmesidir. Çalışmada Pamukkale Üniversitesi Göz Hastalıkları Anabilim Dalından alınan hasta bilgileri kullanılmıştır. Bu çalışmada makine öğrenmesi sınıflandırma yöntemlerinden 3 önemli yöntem olan Destek Vektör Makineleri, Yapay Sinir Ağları ve Karar Ağaçları kullanılarak glokom hastalığı başlangıç safhasında teşhisi için sınıflandırma yapılmış ve birbirleri ile karşılaştırılmıştır. Adı geçen makine öğrenmesi yönetmelerinin performansları X-Validation ile belirlenmiş ve en yüksek sınıflandırma başarısının Destek Vektör Makineleri ile elde edileceği görülmüştür.en_US
dc.description.abstractGlaucoma is a disease that accepted the most insidious today in the eye diseases and if the disease progresses, it occurs dangerous consequences. This disease leading to blindness usually occurs when the intraocular fluid could not cum from eye channels and develops by increasing intraocular pressure(IOP) and the back of eye nerve damage due to this pressure. Aim of this study, diagnosis the disease before the eye nerves damaged and predicts the disease that causes of blindness in the first place among the world. The study used patient data from Pamukkale University Ophthalmology Department. In this study, three important method in machine learning classification methods, Support Vector Machines, Artificial Neural Networks and Decision Trees were used to make the classification for the diagnosis of early stage of glaucoma disease and compared with each other. Performance of the machine learning methods determined by X-validation and to obtain the highest classification success observed with Support Vector Machinesen_US
dc.identifier.citationHaciefendioğlu, Ş. (2012). Makine öğrenmesi yöntemleri ile glokom hastalığının teşhisi. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12395/1256
dc.language.isotren_US
dc.publisherSelçuk Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.selcuk20240510_oaigen_US
dc.subjectDestek vektör makinelerien_US
dc.subjectGlokomen_US
dc.subjectKarar ağaçlarıen_US
dc.subjectDecision treesen_US
dc.subjectGlaucomaen_US
dc.subjectSupports vector machinesen_US
dc.subjectArtificial neural networksen_US
dc.subjectYapay sinir ağlarıen_US
dc.titleMakine öğrenmesi yöntemleri ile glokom hastalığının teşhisien_US
dc.title.alternativeDiagnosis of glaucoma by machine learninhs methodsen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Yükleniyor...
Küçük Resim
İsim:
4_removed (6).pdf
Boyut:
1.56 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Şerife Hacıefendioğlu
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.71 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama: