Tez No	İndirme	Tez Künye	Durumu
304603		Tip 2 dıabetes mellıtuslu hastalarda 24 saatlik kan basıncı değişiminin öngörülmesine yönelik uzman sistem tasarımı / Expert system design to predict 24 hour ambulatory blood pressure features in type 2 diabetes mellitus patients Yazar:ZEHRA AYSUN ALTIKARDEŞ Danışman: DOÇ. DR. HASAN ERDAL ; PROF. DR. A.FEVZİ BABA Yer Bilgisi: Marmara Üniversitesi / Fen Bilimleri Enstitüsü / Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Biyoistatistik = Biostatistics ; Teknik Eğitim = Technical Education Dizin:Diabetes mellitus = Diabetes mellitus ; Hipertansiyon = Hypertension ; Karar ağacı = Decision tree ; Karar destek sistemleri = Decision support systems ; Karar verme = Decision making ; Veri madenciliği = Data mining ; Yapay sinir ağları = Artificial neural networks	Onaylandı Doktora Türkçe 2012 187 s.
Bu tez çalışması MÜ. Tıp Fakültesi İç Hastalıları Anabilim Dalı, Hipertansiyon ve Ateroskleroz Ünitesi Polikliniği ve Endokrinoloji Bilim Dalı ile MÜ FBE 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 MÜ. Tıp Fakültesi Klinik Araştırma Etik Kurulu izni alınmıştır. Bununla birlikte çalışmaya katılan tüm hastalar bilgilendirilmiş ve yazılı onayları alınmıştır.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 sistem mimarisi iki ana kısımdan meydana gelmektedir: Birinci kısımda .NET Framework üzerinde hekimlerin kullanımına yönelik tasarlanmış bir kullanıcı arayüzü vardır. Arayüz sayesinde üyelik işlemlerini gerçekleştiren tıp doktoru, hasta ile ilgili demografik, klinik, laboratuar ve test verilerini SQL server üzerindeki veritabanına kayıt edebilmekte, silebilmekte ve güncelleyebilmektedir. Bu çalışmada; veri madenciliği tekniği, sınıflandırma ve öngörü yaklaşımı kullanılması tercih edilmiştir. Sınıflandırma ve öngörü yaklaşımı için karar ağaçları, bayes ve yapay sinir ağları yöntemleri uygulanmıştır.Bu çalışma; Bilimsel Araştırma Projeleri Komisyonu tarafından FEN-C-DRP-110908-0225 proje numarasıyla desteklenmiştir.
This study was held in collaboration with MU Faculty of Medicine and MU Institute for Graduate Studies in Pure and Applied Sciences .The permission of the Ethics Committee of MU Faculty of Medicine has been taken. All patients participating in the study were informed and their written consent was obtained.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 Holter. 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 forthe first group and from 36 to 2 in the second group without the use of Holter measurements.Intelligent Health Platform was designed which was user friendly. The architecture of this system which has been designed in two parts: 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, can delete and update. In data mining technique, classification and use of prediction approach have been preferred. The second part of system, the study has been realized in WEKA.