Use of machine learning techniques for diagnosis of thyroid glang disorder

Abstract

Bilgisayar teknolojilerinin gelişmeler sayesinde sayısız kaynaklardan inanılmaz büyüklükte veriler yarattı. Bu verilerin işlenmesi, ve bilgiye dönüşümü yine bilgisayar teknolojileri tarafından yapılmakta. Günümüzde, sağlık uygulamalarında bilgisayar teknolojilerindeki gelişmeler faydalanıyor. Makine öğrenmesi araçlarını kullanarak verilerin daha kullanışlı haline getirilebilir. Tiroit bezi hastalığı gibi bazı hastalıkların teşhisinde doktorlara yardımcı olmak amacıyla, makina öğrenme algoritmalarının kullanılmaya başlanmıştır. Bu teknolojiler insanlar tarafından yapılabilir hataları ve yanlışlıkları azaltabilir.Tiroit bezi tiroit hormonları kontrol altında tutmak ve metabolizmanın çalışma hızını ayarlayan, insan vücudu üzerinde önemli organlarından biridir. Tiroit vücudumuzdaki tüm organları ve hücreleri etkiler. Tiroit bezi çok fazla hormon üretir ise, vücut olması gerekenden daha hızlı enerji kullanır ve bu durum hipertiroidi olarak bilinir. Tiroit kendi hormon yeterli miktarda üretilmez ise, vücut olması gerekenden daha yavaş davranır ve az enerji kullanır ve bu duruma hipotiroidi denir. Tiroit hastalığı kolayca diğer hastalık koşulları ile karıştırılır, tiroit hastalığı teşhis etmek zor olabilir.Etkili makine öğrenme algoritmaları tiroit bezi bozukluğu gibi hastalıkların erken teşhis için yardımcı olabilir. Bu tezde mevcut makinası öğrenme araçları dayalı tiroit bezi hastalığı teşhis etmek için Python dilinde kullanarak MLTDD isminde bir araç geliştirdik. MLTDD tiroit hastalığını etkili bir şekilde teşhisinde yardımcı olabilir. MLTDD karar ağacı algoritması kullanarak model oluşturup, yeni gelen hastaları bu algoritma sayesinde tiroit hastası olup olmadığını sınıflandırıyor. Ara yüzü, Qt tasarımcı ile tasarlanmış ve Eclipse için Python IDE Pydev kullanılarak programlanmıştır. MLTDD% 99.81 doğruluk ile teşhis yapabilmektedir.

The advancements of computer technologies have generated an incredible amount of data and information from numerous sources. Nowadays, the way of implementing health care are being changing by utilizing the benefits of advancements in computer technologies. It is believed that engineering this amount of data can assist in developing predictive tool that can help physicians to diagnosing and predicting some debilitating life-threatening illness such as thyroid gland disease.Our current work focuses on investigating python languages to diagnose thyroid gland disease based on machine learning, and involves developing a new tool to predict the diagnoses of thyroid gland diseases, which we have called as a MLTDD (Machine Learning App for thyroid Disease Diagnosis). MLTDD has been designed with Qt designer and programmed using PyDev, which is python IDE for Eclipse. MLTDD could diagnose with 99.81% accuracy.Decision tree algorithm has been used to create the ML model, in addition to training dataset to learn from. ML model can be used to get predictions on new data for which you do not know the target and that is what we did to predict the diagnosis of thyroid gland disease as a hyperthyroidism or hypothyroidism or a normal condition using CRT decision tree algorithm.MLTDD can minify the cost, the waiting time, and help physicians for more research, as well as decrease the errors and mistakes that can be made by humans on account of exhaustion and tiredness.