Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: AMIR KARAJ
Asıl Danışman (Eş Danışmanlı Tezler İçin): Zehra Aysun Altıkardeş
Eş Danışman: Ali Serdar Fak
Özet:
Sağlık sektörü çok büyük ve hassas veriler içerir ve çok dikkatli bir şekilde ele alınması gerekmektedir. Büyük miktarda verinin erişilebilirliği ve kullanılabilirliği, belirli veri madenciliği teknikleri uygulandığında yararlı bilgiler sağlayabilecektir. Son yıllarda gelişen yapay zekâ ve makine öğrenme teknolojileri, tıp ve sağlık alanlarında hizmetlerini dönüştürmeye başlıyor. Şu anda sağlık alanlarında karar verme araçları yaygın olarak kullanılmaktadır. En doğru modelleri oluşturmak için birçok analiz ve sınıflandırma yöntemleri bulunmakta ve kullanılmaktadır. Hastalıkların tanı ve tedavisinde büyük bir rol oynamaktadır. Makine öğrenme algoritmaları birçok nadir hastalıklarda uygulanılmaktadır. Tıbbi uygulamalar araştırılmasında makine öğrenme teknikleri büyük bir rol oynamaktadır. Tezin amaç ve hedef doğrultusunda MEDIC-AI ML destekli web uygulaması geliştirildi. Geliştirilen web uygulamamız üzerinde farklı anonime veri setler kullanılmıştır. Kullanılan anonime veri setlerle, uygulama üzerine veri analizi, veri temizlenme gibi özellikler kullanıcıya sunulmuştur. Bu web uygulamada kullanıcı tarafından, veri tabanından yüklenen verilerden, istenilecek herhangi bir veri tablosu seçip, ilk önce verinin analizini ve incelemesini web uygulaması üzerine yapılabilme şeklinde tasarlanmış ve geliştirilmiştir. Daha sonra kullanıcıya sunulan ML algoritmalardan, istenilen bir algoritma seçerek kullanılan veri setleri, tablo üzerine bir örneklem seçerek tahminleme sonuçlarını ve bu sonuçların grafiklerini ve raporlarını inceleyebilmektedir. Sunulan farklı ML algoritmalar üzerine deneme ve tahminleme sonuçları alabilir, tahminleme sonuçlarının karşılaştırılması ve grafikler üzerine incelenme ve analizini yapabilir, kullanıcıya sunulan farklı grafikler üzerine veri incelenmesi ve analizi yapabilmesi gibi özelliklerle, web üzerine ML destekli bir uygulama geliştirilmiştir. Çalışma kapsamında sadece kardiyovasküler hastalıklarını araştırılmasına yönelik bir karar destek sistemi tasarlanmamıştır. Geliştirilen MEDIC-AI web uygulamamız, dosya yükleme özelliği ile veri tabanında yüklenecek anonime ya da herhangi bir veri seti ile farklı hastalıkların, kullanıcıya sunulan birden fazla (yedi (7)) makine öğrenme algoritma teknikleri ile tahminleme sonuçlarını ve analizlerini yapabilmektedir. Farklı makine öğrenme teknikleri kullanarak elde olan veri setlerini farklı açılardan yaklaşması ve incelenmesi yapılmıştır. Elde edilen sonuçların değerlendirilmesi ve özetlenmesi yapılmıştır. Bu çalışmada regresyon algoritmaları yanı sıra kullanılan makine öğrenme algoritmaları, (K-Means) kümeleme ve sınıflandırma için Destek Vektör Makineleri (SVM), Yapay Sinir Ağları (ANN), K En Yakın Komşu (kNN), Karar Ağac (DT), Naive Bayes (NB) ve CatBoost algoritmalardır. Bu çalışmada veri setinin analizi, temizlenmesi ve araştırılması geliştirilen uygulama üzerine yapılmaktadır. Uygulama Python, Flask ve JavaScript ile birleşiminden oluşan Dash Plotly programlama platformu ile geliştirilmiştir. Python programlama dilli makine öğrenme, derin öğrenme ve veri madenciliği tekniklerinde çok güçlü ve kullanımı rahat olan dillerden biri olmaktadır. Dash Plotly geliştirme platformu, sunduğu plotly grafiklerini web üzerine canlı olarak grafik çizimi için en ideal platformlardan biri olmaktadır.