Hastalık teşhisi için bir yapay sinir ağları yazılımının tasarlanması ve gerçekleştirilmesi
Yükleniyor...
Dosyalar
Tarih
2017-01-10
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu tez çalışmasında, tıbbi tanılamayı desteklemek amacıyla yapay sinir ağları yöntemi kullanılmıştır. C#.NET programlama dili ile görsel arayüze sahip olan bir yazılım gerçekleştirilmiştir. Yazılım ile, sonuçların başarı analizi yapılabilmekte ve performansı ölçülebilmektedir. Yazılım, yapay sinir ağlarıyla ilgili uygulamalarda ve akademik çalışmalarda kullanılabilecek şekilde tasarlanmıştır. Yapılan çalışmalarda, eğitim ve test veri seti olarak romatoid artrit hastası olan ve olmayan insanlardan alınmış veriler kullanılmıştır. Yazılım ile, dinamik biçimde belirlenen nöron sayısı, öğrenme hızı, momentum katsayısı ve iterasyon sayısına göre eğitim yapılabilmektedir. Ağın, 0 (sıfır) hataya, ortalama olarak 500 ve 1500 iterasyon aralığında ulaştığı tespit edilmiştir. Farklı işlemcili bilgisayarlarda, 1500 ve üzerinde gerçekleştirilen iterasyonlarda %82 ve %100 aralığında başarılar elde edilmiştir. Çalışmada, yapay sinir ağlarının önemi ve öğrenebilen yazılımların bilgisayar teknolojilerindeki avantajları incelenmiştir. Ayrıca, romatoid artrit hastalığı teşhisi için Backpropagation algoritması Matlab ortamında da incelenmiştir. Backpropagation ve Perceptron algoritması ile bulunan sonuçlar, performans açısından karşılaştırılmıştır. Backpropagation algoritması ile %82 doğruluk yüzdesi elde edilirken, Perceptron algoritması ile doğruluk yüzdesi %71 olarak bulunmuştur.
In this thesis, method of artificial neural networks is used in order to support medical diagnostics. A software, which has a visual interface, has been designed with C#.NET programming language. With this software, success analysis of the results can be made and the performance of the results can be measured. This software was designed to be able to be used in academic studies and in applications which are related to artificial neural networks. In the studies, the datas which are received from the patients with rheumatoid arthritis and from the people who are not suffering from rheumatoid arthritis are used as training and test data sets . With the software, training takes place according to the desired number of neurons, learning rate, momentum coefficient and number of iterations which are determined dinamically. It was found that the network, on average, reaches the zero error rate, in the range of 500 and 1500 iterations. In the iterations which were performed 1500 times and more in computers with different processors, 82% to 100% success rate has been obtained. In this study, the importance of artificial neural networks and the advantages of the software, that can learn, in computer technologies have been examined. Also, backpropagation algorithm was examined in Matlab environment for the diagnosis of rheumatoid arthritis. The results found with the backpropagation algorithm and the perceptron algorithm have been compared in terms of performance. While %82 accuracy percentage is obtained with the Backpropagation algorithm, the accuracy percentage is found as %71 with Perceptron algorithm.
In this thesis, method of artificial neural networks is used in order to support medical diagnostics. A software, which has a visual interface, has been designed with C#.NET programming language. With this software, success analysis of the results can be made and the performance of the results can be measured. This software was designed to be able to be used in academic studies and in applications which are related to artificial neural networks. In the studies, the datas which are received from the patients with rheumatoid arthritis and from the people who are not suffering from rheumatoid arthritis are used as training and test data sets . With the software, training takes place according to the desired number of neurons, learning rate, momentum coefficient and number of iterations which are determined dinamically. It was found that the network, on average, reaches the zero error rate, in the range of 500 and 1500 iterations. In the iterations which were performed 1500 times and more in computers with different processors, 82% to 100% success rate has been obtained. In this study, the importance of artificial neural networks and the advantages of the software, that can learn, in computer technologies have been examined. Also, backpropagation algorithm was examined in Matlab environment for the diagnosis of rheumatoid arthritis. The results found with the backpropagation algorithm and the perceptron algorithm have been compared in terms of performance. While %82 accuracy percentage is obtained with the Backpropagation algorithm, the accuracy percentage is found as %71 with Perceptron algorithm.
Açıklama
Anahtar Kelimeler
Yapay sinir ağları, Hastalık teşhisi, Yapay zeka, Artificial neural networks, Disease diagnosis, Artificial intelligence
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Tok, K. (2017). Hastalık teşhisi için bir yapay sinir ağları yazılımının tasarlanması ve gerçekleştirilmesi. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.
