Diagnosis of cardiovascular (CVD) disease using high performance machine learning system

Basit Öğe Kaydı
dc.contributor.advisorKurnaz, Sefer
dc.contributor.authorFayez, Mustafa Adil Fayez
dc.date.accessioned2022-07-07T13:22:42Z
dc.date.available2022-07-07T13:22:42Z
dc.date.issued2021en_US
dc.date.submitted2021
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractOne 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.en_US
dc.description.abstractOrta 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.en_US
dc.identifier.citationFayez, 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.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12939/2660
dc.identifier.yoktezid682730
dc.institutionauthorFayez, Mustafa Adil Fayez
dc.language.isoen
dc.publisherAltınbaş Üniversitesi / Lisansüstü Eğitim Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectCVD Diseaseen_US
dc.subjectNCLen_US
dc.subjectAdvanced Machine Learning Modelsen_US
dc.subjectOptimizationen_US
dc.subjectAPI Function Advanceden_US
dc.subjectSuper Learneren_US
dc.subjectAdvanced Bagging Modelsen_US
dc.subjectAdvanced Xgboosten_US
dc.subjectAutomlen_US
dc.subjectPythonen_US
dc.subjectCVD Hastalığıen_US
dc.subjectGelişmiş Makine Öğrenimi Modellerien_US
dc.subjectOptimizasyonen_US
dc.subjectGelişmiş API İşlevien_US
dc.subjectSüper Öğrencien_US
dc.subjectGelişmiş Torbalama Modellerien_US
dc.subjectGelişmiş Xgboosten_US
dc.titleDiagnosis of cardiovascular (CVD) disease using high performance machine learning system
dc.typeDoctoral Thesis

Dosyalar

Lisans paketi
Listeleniyor 1 - 1 / 1
[ X ]
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Tez Koleksiyonu