Karaciğer transplantasyonu sonrası makine ve derin öğrenme yöntemleri ile karaciğer hastalıklarının teşhisi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: ZEYNEP BİLEN

Danışman: Ferhat Bozkurt

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Amaç: Bu çalışmada, karaciğer nakli olan hastaların nakil sonrasında oluşabilecek hastalıkların teşhisi amaçlanmıştır. Atatürk Üniversitesi Araştırma Hastanesinde, karaciğer nakli olan hastaların bilgilerinden oluşan veri setinin, makine ve derin öğrenme algoritmaları ile oluşturulan modeller aracılığıyla sınıflandırılması amaçlanmıştır. Oluşturulan modellerin performans değerlendirmeleri yapılıp karşılaştırma yapılmıştır. Yöntem: Veri girişi için arayüz tasarlanmıştır. Arayüz aracılığı ile veriler veri tabanında toplanmıştır. Bunun yanı sıra hastaların dosyasında bulunmayan bilgiler hastanenin bilgi işleminden talep edilip hepsi tek bir veri havuzunda toplanmıştır. Toplanan verilerin sınıflandırması için makine ve derin öğrenme algoritmalarından modeller kullanılmıştır. Veri seti %80'i eğitim, %20'si test olarak ayrılmış olup modellerin eğitiminde ve test edilmesinde kullanılmıştır. Aynı zamanda veri setinde ayrım yapılmadan k çapraz doğrulama yapılmıştır. Eğitilen modellerin performans metrikleri bize en iyi sonucun hangi modelde olduğunu göstermiştir. Veri ön işleme, modellerin oluşturulması, eğitilmesi ve test edilmesi Google Colaboratory bulut ortamında, Python programlama diliyle gerçekleştirilmiştir. Bulgular: Modeller oluşturulmadan önce k çapraz doğrulama ve özellik çıkarıma yöntemlerinden LDA ve PCA yöntemleri kullanılmıştır. Kullanılan yöntemlere bağlı olarak modellerin performans metrikleri farklılık göstermiştir. Veri setinde dört bağımlı değişken alınmıştır. Ex bağımlı değişkeni için modeller arasında en yüksek doğruluk oranı PCA yöntemi ile %90 olmuştur. K çapraz doğrulama sonrası en yüksek doğruluk oranı LDA yöntemi ile %98 olmuştur. Nüks yeri bağımlı değişkeni için modeller arasında en yüksek doğruluk oranı her iki yöntem ile de %82 olmuştur. K çapraz doğrulama sonrası en yüksek doğruluk oranı LDA yöntemi ile %98 olmuştur. Tümör nüks bağımlı değişkeni için modeller arasında en yüksek doğruluk oranı her iki yöntem ile %79 olmuştur. K çapraz doğrulama sonrası en yüksek doğruluk oranı LDA yöntemi ile %99 olmuştur. Ölüm nedeni bağımlı değişkeni için modeller arasında en yüksek doğruluk oranı LDA yöntemi ile %86 olmuştur. K çapraz doğrulama sonrası en yüksek doğruluk oranı LDA yöntemi ile %99 olmuştur. Bağımlı değişkenlere k çapraz doğrulama uygulandıktan sonra ki doğruluk oranlarının ortalaması sonucunda en iyi yöntem LDA seçilmiştir. Sonuç: Bu çalışma dahilinde karaciğer nakli olan hastaların bilgileri bir veri havuzunda toplanmıştır. Toplanan verilerin, hastalıkların erken teşhisi ve taraması için makine ve derin öğrenmesi yöntemleri ile sınıflandırılması yapılmıştır. Hekimlere, hastalar hakkında gerekli bilgi ve uyarılarda bulunabilen bir sistem oluşturulmuştur. Bu sistemin ilerleyen süreçlerde sadece karaciğer değil diğer organ nakilleri için kullanılabilir hale getirilmesi buna bağlı olarak veri sayısının artması ile birlikte, daha iyi başarım elde edilmesi hastalıkların teşhisi bakımından büyük önem arz etmektedir. Anahtar Kelimeler: derin öğrenme, makine öğrenmesi, karaciğer, transplantasyon