Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Teknoloji Fakültesi, Elektrik - Elektronik Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2012
Tezin Dili: Türkçe
Öğrenci: ZEHRA AYSUN ALTIKARDEŞ
Asıl Danışman (Eş Danışmanlı Tezler İçin): Hasan Erdal
Eş Danışman: Ahmet Fevzi Baba
Özet:TİP 2 DIABETES MELLITUSLU HASTALARDA 24 SAATLİK KAN BASINCI DEĞİŞİMİNİN ÖNGÖRÜLMESİNE YÖNELİK UZMAN SİSTEM TASARIMI Bu tez çalışması Marmara Üniversitesi Tıp Fakültesi İç Hastalıları Anabilim Dalı, Hipertansiyon ve Ateroskleroz Ünitesi Polikliniği ve Endokrinoloji Bilim Dalı ile Marmara Üniversitesi Fen Bilimleri Enstitüsü Elektronik-Bilgisayar Eğitimi ABD. tarafından ortaklaşa gerçekleştirilmiştir. Disiplinlerarası bu çalışma prospektif, gözlemsel bir çalışma olarak düzenlenmiştir. Tedavi/girişim üzerine herhangi bir müdahale planlanmamıştır. Bu çalışmanın yapılabilmesi için Marmara Üniversitesi Tıp Fakültesi Klinik Araştırma Etik Kurulu izni alınmıştır. Bununla birlikte çalışmaya katılan tüm hastalar bilgilendirilmiş ve yazılı onayları alınmıştır. Bu çalışmada, Akıllı Sağlık Programı tasarlanmıştır. Görsel açıdan estetik olduğu kadar kullanımı da kolay olan arayüz tasarımı gerçekleştirilmiştir. Böylece tıp doktorlarının hasta verilerini saklayabilecekleri, değiştirebilecekleri bir veritabanı yazılım çözümü sunulmuştur. Bu bağlamda, farklı profilde iki denek grubu oluşturulmuştur. Deneklerden demografik ve tıbbi 47 adet (holter ölçümleri dahil) nitelikliğe ait veriler toplanarak veritabanı hazırlanmıştır. Bu veritabanındaki veriler genel kullanıcı lisansı (General public licience) ile sunulan veri madenciliği programı olan Weka 3.7.4 ortamına aktarılmıştır. Amaç, Holter cihazıyla gerçekleştirilen 24 saatlik kan basıncı takibi sonucu elde edilen 9 adet niteliğe ait verilere ihtiyaç duyulmaksızın, non-dipper/dipper patern sınıflamasını ve öngörüsünü doktor teşhisine en yakın doğrulukta yapabilecek yazılım modeli oluşturmaktır. Bu çalışmanın her aşamasında, istatistiksel analiz yöntemleri ile yapay zeka teknikleri bir araya getirilerek, veri tabanında yer alan çok sayıdaki veri için ilk denek grubu üzerinde yapılan çalışmalarda maximum %89.47 ve ikinci denek grubunda ise %100 doğrulukla sonuca gidilebilmiştir. Bu başarı oranlarını veren modellerde giriş nitelik sayıları holter cihazı ölçümleri de kullanılmadan, ilk denek grubunda 47’den 13’e, ikinci denek grubunda ise 36’dan 2’ye indirgenmiştir. Bu çalışma için tasarlanan 24 Saatlik Kan Basıncını Öngörmeye Yönelik Uzman Sistemin mimarisi iki ana kısımdan meydana gelmektedir: Birinci kısımda .NET Framework üzerinde hekimlerin kullanımına yönelik tasarlanmış bir kullanıcı arayüzü vardır. Arayüz sayesinde üyelik işlemlerini gerçekleştiren kullanıcı yani tıp doktoru, hasta ile ilgili demografik, klinik, laboratuar ve test verilerini SQL server 2008 üzerindeki veritabanına kayıt edebilmekte, silebilmekte ve güncelleyebilmektedir. Bu çalışmada; veri madenciliği tekniği, sınıflandırma ve öngörü yaklaşımı kullanılması tercih edilmiştir. Sistemin ikinci kısmını oluşturan çalışma WEKA (Waikato Environment for Knowledge Analysis) programında 3.7.4. Developer versiyonunda gerçekleştirilmiştir. Sınıflandırma ve öngörü yaklaşımı için karar ağaçları, bayes ve yapay sinir ağları yöntemleri uygulanmıştır. C4.5 karar ağacı algoritmasının Weka ‘daki implementasyonu olan J48 algoritması, bayes yöntemi için NaiveBayes algoritması ve yapay sinir ağı yöntemi içinde yer alan RBF (Radial Basis Function) ile MLP (Multi Layer Perceptron) algoritmaları kullanılarak nondipper/dipper sınıflandırması ve öngörüsü yapan modeller geliştirilmiştir. Bölüm 1’de tezin amacı gerekçeleriyle sunulmuş, yöntem ve materyaller anlatılmıştır. Çalışmanın özgünlüğünü ve literatürdeki yerini belirtilmek amacıyla konuya en yakın çalışmalardan seçilen örnekler sunulmuştur. Bölüm 2’de tez çalışmasının tıp bilimindeki yeri başlığı altında, özellikle bilişim alanı çalışanları için, konuya vakıf olabilmelerini sağlayacak kadar tıbbi bilgi olabildiğince anlaşılır şekilde sunulmuştur. Hastalıkların tanımları, tarihçeleri, prevalansları (belirli bir nüfusta, belirli bir zaman dilimi içerisinde, çalışma kapsamında yer alan, belirli bir hastalık veya hastalıklara sahip kişilerin oranı) ile birlikte niçin bu hastalıkların seçildiği, nondipper/dipper patern sınıflaması ile hastalıkların ilişkisi belirtilerek tez konusunun tıbbi açıdan önemi belirtilmeye çalışılmıştır. Bölüm 3’te ise, yazılımın girdilerini oluşturan 47 adet tıbbi nitelik tanımlanmış ve ölçütleri belirtilmiştir. Bölüm 4’te tez çalışmasının bilişim teknolojilerindeki yeri başlığı altında, veri madenciliği tanımlaması tarihi gelişimi ile birlikte verilmiş, model oluşturma yaklaşımları, aşamaları, sınıflandırma ve öngörü tekniğinde tercih edilen yöntemler üzerinde durulmuştur. Bölüm 5’te ise çalışmanın uygulama aşamaları, teorik bilgileri, matematiksel ifadeleri ve deney sonuçları sunulmuştur. Çalışma bulguları, 100’ün üzerinde gerçekleştirilen deney içinden seçilen 10 deneye tez kitabında yer verilerek lenmiştir. Bölüm 6’da ise tüm bu bilgiler ışığında varılan nokta, sonuçların etkileri ve gelecek çalışmalara yol göstermesi açısından öneriler sunulmuştur. Tıp uzmanının çalışma sonuçları ile ilgili değerlendirmesi de bu bölümde bulunmaktadır. Bu çalışma; Bilimsel Araştırma Projeleri Komisyonu tarafından FEN-C-DRP-110908-0225 proje numarasıyla desteklenmiştir. ABSTRACT EXPERT SYSTEM DESIGN TO PREDICT 24 HOUR AMBULATORY BLOOD PRESSURE FEATURES IN TYPE 2 DIABETES MELLITUS PATIENTS This study was held in collaboration with Marmara University Faculty of Medicine, Department of Internal Diseases, Hypertension and Atherosclerosis Unit Polyclinic and Department of Endocrinology and the Marmara University Institute for Graduate Studies in Pure and Applied Sciences Department of Electronics and Computer Education. This interdisciplinary study was composed as a prospective, observational study. Any kind of intervention was not planned about the treatment/intervention. In order to perform this study, the permission of the Clinical Research Ethics Committee of Marmara University Faculty of Medicine has been taken. However, all patients participating in the study were informed and their written consent was obtained. In this study, Intelligent Health Platform was designed. A graphical user interface was designed which was user friendly. Thus, a software solution was presented to the doctors with which they could store patients data and modify database. In this context, different profiles of two groups of subjects were created. 47 different attributes of demographic and medical data (including holter measurements) were collected and thus database prepared. The data collected in this database was transferred to Weka 3.7.4 (General Public Licence) data mining software offered by Waikito University. The goal was to create a software model that could make the classifications and predictions of dipper/non-dipper patterns with the nearest accuracy to the doctor's diagnosis without the need of those 9 data obtained by 24-hour blood pressure monitoring with Holter device. At every stage of this study, by combining statistical analysis methods and artificial intelligence techniques, the results of maximum 89.47% accuracy in studies made on subject group one and 100% accuracy on subject group two were obtained, from a large number of data in the database. In models that gave these success rates, the number of input attributes was reduced from 47 to 13 in the first group of subjects and from 36 to 2 in the second group of subjects without the use of Holter device measurements. The architecture of this Expert System for Prediction of 24-hour blood pressure which has been designed for this study consists of two main parts: In the first part, there is user interface designed for use of physicians over .NET Framework. User who realized membership proceeding with interface, namely medical doctor, can save demographic, clinical, laboratory and test data of relevant patient to the database over SQL server 2008, can delete and update. In this study, data mining technique, classification and use of prediction approach have been preferred. The second part of system, the study has been realized in WEKA (Waikato Environment for Knowledge Analysis) program 3.7.4 Developer version. Decision trees for classification and prediction approach and Bayesian methods and neural networks have been applied. The algorithm J48 which is the implementation of C4.5 decision tree algorithm in Weka, the NaiveBayes algorithm for Bayesian method and the RBF (Radial Basis Function) included in artificial neural network method and the MLP (Multi Layer Perceptron) algorithms have been used and the nondipper / dipper classification and predicted models have been developed. In Chapter 1, the aim of the thesis was presented with the reasons, methods and materials were described. Selected study samples closest to the subject were given in order indicates the study’s originality in the literature. In Chapter 2, under the tittle ‘place of the thesis study in the science of medicine’, especially for staff of informatics area, enough medical information was clearly presented to allow them comprehend the subject. The significance of the subject of the thesis under medical literature was specified, by explaining the definitions of diseases, histories and the prevalence along with why these diseases were selected and classifying dipper/nondipper patterns along with the relationship of the diseases. In Chapter 3, 47 different medical attributes forming the entries of the software were defined and their criteria specified. In Chapter 4, under the title ‘place of the thesis in informatics technologies’, the explanation of data mining was made with its the historical development and modelling approaches, stages, classification and the preferred methods on prediction techniques were emphasized. In Chapter 5, implementation phases, theoretical information, mathematical expressions and experimental results of the study were presented. The study results were summarized with selected 10 experiments. In section 6, point reached in the light of all this information, the effects of the results and recommendations were presented to guide future studies. Medical expert's assessment of study results are also in this section. This study was supported by the Scientific Research Projects Unit under the project number FEN-C-DRP-110908-0225.