Diagnosis of cardiovascular (CVD) disease using high performance machine learning system
[ X ]
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Altınbaş Üniversitesi / Lisansüstü Eğitim Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/closedAccess
Özet
One of the most prevalent illnesses in middle-aged people is heart failure. Cardiovascular disease
(CAD) is a common coronary disease with a high mortality risk of the various forms of heart
disease. Medical imaging, such as angiography, is the most effective technique for diagnosing
CAD. Angiography, on the other hand, is notorious for being pricey and causing a variety of side
effects. In the first part of our work, we will address one of the most sophisticated and effective
systems in the medical sector, specifically cardiac diagnostics, in this thesis. This advanced
methodology, which is split into two sections, was developed with the aid of the best
programming method, Python. To start, feature engineering and preprocessing with a highperformance re-sampling system and a neighborhood cleaning rule is used (NCL). Second,
hyper-parameter optimization, API advanced features, and super learner models are examples of
advanced and optimization machine learning models. We have used streamlined SVM to
construct a high-performing diagnostic model. We built advanced architectures for high-performance machine learning, such as AutoML, advanced XGBoost, and advanced ensemble
bagging models, in the second part of our study. We obtained the best performance using AutoML and advanced SMOTE method, which had an accuracy of 87%, advanced deep learning had
an accuracy of 80%, and advanced bagging models had an accuracy of 82 percent.in addition, we
achieved 86% with XGBoost and 92% used stacking model. Finally, we assume that our
advances can change the way doctors view machine learning using advanced and highperformance machine learning tools, as well as promote the wider usage of Artificial Intelligence
(AI) techniques in clinical settings.
Orta yaşlı insanlarda en yaygın hastalıklardan biri kalp yetmezliğidir. Kardiyovasküler hastalık (CAD), çeşitli kalp hastalıklarının mortalite riski yüksek olan yaygın bir koroner hastalıktır. Anjiyografi gibi tıbbi görüntüleme, CAD tanısı için en etkili tekniktir. Öte yandan anjiyografi, pahalı olması ve çeşitli yan etkilere neden olmasıyla ünlüdür. Çalışmalarımızın ilk bölümünde, tıp sektöründeki en sofistike ve etkili sistemlerden birini, özellikle kardiyak tanıyı bu tezde ele alacağız. İki bölüme ayrılan bu gelişmiş metodoloji, en iyi programlama yöntemi python yardımıyla geliştirilmiştir. Başlamak için, yüksek performanslı bir yeniden örnekleme sistemi ve mahalle temizleme kuralı (NCL) ile mühendislik ve ön işleme özelliği kullanılır. İkinci olarak, hiper parametre optimizasyonu, API gelişmiş özellikleri ve süper öğrenci modelleri gelişmiş ve optimizasyon makine öğrenimi modellerine örnektir. Yüksek performanslı bir tanı modeli oluşturmak için aerodinamik SVM kullandık. Çalışmamızın ikinci bölümünde AutoML, gelişmiş XGBoost ve gelişmiş topluluk torbalama modelleri gibi yüksek performanslı makine öğrenimi için gelişmiş mimariler inşa ettik. %87 doğruluk oranına sahip Auto-ML ve gelişmiş SMOTE yöntemini kullanarak en iyi performansı elde ettik, gelişmiş derin öğrenme %80 doğruluk oranına sahipti ve gelişmiş torbalama modelleri 82 percent.in ilave isabet oranına sahipti, XGBoost ve %92 kullanılmış istifleme modeli ile %86'ya ulaştık. Son olarak, ilerlemelerimizin doktorların gelişmiş ve yüksek performanslı makine öğrenimi araçlarını kullanarak makine öğrenimine bakış açısını değiştirebileceğini ve klinik ortamlarda Yapay Zeka (AI) tekniklerinin daha geniş kullanımını teşvik edebileceğini varsayıyoruz.
Orta yaşlı insanlarda en yaygın hastalıklardan biri kalp yetmezliğidir. Kardiyovasküler hastalık (CAD), çeşitli kalp hastalıklarının mortalite riski yüksek olan yaygın bir koroner hastalıktır. Anjiyografi gibi tıbbi görüntüleme, CAD tanısı için en etkili tekniktir. Öte yandan anjiyografi, pahalı olması ve çeşitli yan etkilere neden olmasıyla ünlüdür. Çalışmalarımızın ilk bölümünde, tıp sektöründeki en sofistike ve etkili sistemlerden birini, özellikle kardiyak tanıyı bu tezde ele alacağız. İki bölüme ayrılan bu gelişmiş metodoloji, en iyi programlama yöntemi python yardımıyla geliştirilmiştir. Başlamak için, yüksek performanslı bir yeniden örnekleme sistemi ve mahalle temizleme kuralı (NCL) ile mühendislik ve ön işleme özelliği kullanılır. İkinci olarak, hiper parametre optimizasyonu, API gelişmiş özellikleri ve süper öğrenci modelleri gelişmiş ve optimizasyon makine öğrenimi modellerine örnektir. Yüksek performanslı bir tanı modeli oluşturmak için aerodinamik SVM kullandık. Çalışmamızın ikinci bölümünde AutoML, gelişmiş XGBoost ve gelişmiş topluluk torbalama modelleri gibi yüksek performanslı makine öğrenimi için gelişmiş mimariler inşa ettik. %87 doğruluk oranına sahip Auto-ML ve gelişmiş SMOTE yöntemini kullanarak en iyi performansı elde ettik, gelişmiş derin öğrenme %80 doğruluk oranına sahipti ve gelişmiş torbalama modelleri 82 percent.in ilave isabet oranına sahipti, XGBoost ve %92 kullanılmış istifleme modeli ile %86'ya ulaştık. Son olarak, ilerlemelerimizin doktorların gelişmiş ve yüksek performanslı makine öğrenimi araçlarını kullanarak makine öğrenimine bakış açısını değiştirebileceğini ve klinik ortamlarda Yapay Zeka (AI) tekniklerinin daha geniş kullanımını teşvik edebileceğini varsayıyoruz.
Açıklama
Anahtar Kelimeler
CVD Disease, NCL, Advanced Machine Learning Models, Optimization, API Function Advanced, Super Learner, Advanced Bagging Models, Advanced Xgboost, Automl, Python, CVD Hastalığı, Gelişmiş Makine Öğrenimi Modelleri, Optimizasyon, Gelişmiş API İşlevi, Süper Öğrenci, Gelişmiş Torbalama Modelleri, Gelişmiş Xgboost
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Fayez, Mustafa Adil Fayez. (2021). Diagnosis of cardiovascular (CVD) disease using high performance machine learning system. (Yayınlanmamış yüksek lisans tezi). Altınbaş Üniversitesi, Lisansüstü Eğitim Enstitüsü, İstanbul.
