Böbrek nakli geçirmiş hastalarda akıllı yöntem tabanlı yeni öznitelik seçme algoritması geliştirilmesi

Abstract

Veri madenciliği, verilerden keşfedilecek desenler yardımıyla yeni bilgiler elde etme amacıyla çok farklı disiplinlerde kullanılan çeşitli metotlardan oluşmaktadır. Tıp alanındaki verinin büyüklüğü ve hayati önem taşıması, Veri madenciliğinin bu alanda da uygulanmasını gerekli kılmıştır. Bu tezde Veri Madenciliğinin Tıp alanında kullanımı incelenmiştir. Uygulama çalışması için İstanbul Üniversitesi Cerrahpaşa Tıp Fakültesi'nde ayakta tedavi gören hastalar arasından, Mart 2006 ? Aralık 2007 tarihleri arasında 21 aylık bir sürede tedavisi görmüş hastalara ait veriler bir araya getirilerek bir veri kümesi oluşturulmuştur. Bu veri kümesi üzerinde WEKA yazılımı kullanılarak sınıflama, kümeleme ve karar ağacı algoritmaları çalıştırılmış, elde edilen karar kuralları uzman desteğiyle incelenerek koroner arterlerde kalsifikasyon bulunmasında etkili olan faktörlerin neler olduğu belirlenmiş ve öznitelik seçme algoritmalarıyla aynı faktörlere ulaşılıp ulaşılamadığı belirlenmiştir.Naive Bayesian sınıflandırma algoritması kullanılarak, çapraz geçerlilik ölçütü (cross validation) amaç fonksiyonu olarak alınan armoni araması (harmony search) yöntemiyle eniyileme problemi çözülmüştür. Yazılan program Weka da hazırlanmış, hasta verilerini alınıp Matlab girdi veri olarak kullanılmıştır. Eniyileme, sınıflandırma ve çapraz geçerlilik ölçütü programları Matlab yazılımı kullanılarak yazılmıştır

Data mining consists up of many different methods which try to find new information from data patterns. This is the main reason why it has been a basis for many research areas. The amount of data which belongs to the field of medicine is extensive and also very significant this is the main reason behind why the usage of data mining on these types of datasets have been needed. In this thesis the usage of data mining on the field of medicine has been investigated. The dataset consists of the data from the outpatients of the University of Istanbul - Cerrahpasa Medical Faculty which were treated throughout the period of 21 months between the dates March 2006 - December 2007. With the aid of the WEKA software the dataset was examined with classification, clustering and decision tree algorithms and some decision rules where found. These decision rules were then analysed with the help of specialists to determine which features caused complications in the coronary arteries. Also a comparison with feature selection algorithms were done to see if the same features could be found.We solve optimization problem by using Harmony Search algorithm, by taking cross validation results as objective function and using Naive Bayesian classification algorithm. Our program gets the patient data prepared in Weka and uses it as input to Matlab, a commercial package developed for performing calculations using matrix operations. Optimization, classification and cross validation modules were programmed in Matlab.