Tez No	İndirme	Tez Künye	Durumu
428474		Development of web-based expert system with machine learning algorithms for remote diagnosis / Uzaktan teşhis için web tabanlı uzman sistemin makina öğrenme algoritma ile geliştirmesi Yazar:SHAHRIAR SHAMIL UULU Danışman: DOÇ. DR. MUSTAFA FATİH ABASIYANIK Yer Bilgisi: Fatih Üniversitesi / Fen Bilimleri Enstitüsü / Biyoteknoloji Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Bilim ve Teknoloji = Science and Technology Dizin:	Onaylandı Doktora İngilizce 2015 127 s.
Türkiye'de sağlık sistemi hekimlerin eksikliği, boğulmuş hastaneler, uzak bölgelerde ekipman eksikliği ve mülteci sayısının artmasından dolayısı bazı zorluklarla karşılaşmaktadır. Tez çalışmasının amacı hastanelerde doktorlara yardım edebilecek web-tabanlı beyaz-kutu makine öğrenme algoritmalara dayalı bir teşhis ve tanı sistemi geliştirmek. Genel olarak bu doktora tezi üç parçadan oluşmaktadır; ilk bölümde, belirli mide hastalıkları teşhis ve tanısını sağlayan ve doktorlara yardımcı olacak, RDSMED adında medikal sistemi geliştirmek. İkinci bölümde ise, mide bozuklukları sınıflandırılması için beyaz-kutu tipindeki makine öğrenme algoritmalarında en uygunu tespit edip onları RDSMED sisteme uygulama. Son bölümde ise belirlenen mide hastalıkları veri-seti üzerinden yaygınlık ve kritik faktör analizini gerçekleştirmek. Tanı için kullanılan hastalardan alınan gerçek veri setidir, içinde 1041 örnek, beş çeşit mide hastalıkları ve 24 adet parametreden oluşmaktadır. Kıyaslama çalışmaları sırasında sırasıyla lojistik modeli doğruluk değeri 98% ve p-değeri <0.001, değişkenli lineer regresyon modeli için R2 değeri 0.88 ve p-değeri <0.001 doğruluğunu elde ettik. Tespit ettiğimiz iki modelinde kullanılan yöntemler ve RDSMED sisteme entegre edilmesi yeterli olduğu sonucuna vardık. Araştırma çalışmaları sırasında ek olarak, istatistik teknikler kullanılarak kritik faktör analizini yaptık ve mide hastalıkları için önemli faktörlerin tespitini gerçekleştirdik. Faktörlerde NSAID'ler, stres ve diş sorunları mide bozuklukları ile yüksek korelasyon var. Buna ek olarak, bulantı ve karın ağrısı gibi belirtiler belli bir mide hastalığı önemli bir habercisi olabilir. Sonuç olarak, kullandığımız sistemin hastalığın tanısı ve teşhisinde yeterli olduğu ve sağlık sistemini kolaylaştıracağını gördük.
Turkish healthcare is facing challenges due to factors such as lack of physicians, medical equipment, overwhelmed hospitals, and increased number of refugees. The aim of the thesis is to develop a web-based clinical decision support system for stomach disorders based on white-box machine learning algorithms. The research work consists of three parts: i) developing a medical system called Remote Diagnosis and Support Medical System (RDSMED), ii) identifying feasible white-box algorithms for the prediction and classification of stomach disorders, and iii) performing statistical data analysis for prevalence and critical factor analysis. For the study, a medical dataset with over 1000 instances and 24 attributes for five stomach disorders were used. During the benchmarking study, the implemented machine learning algorithms achieved the following performance: an accuracy of 98%, p<0.001 for logistic regression models (Logit), and R2 of 0.88 and p<0.001 for multivariate linear regression models (MVRM). Both Logit and MVRM models were incorporated into the RDSMED with the aim to assist doctors in more accurate disease diagnosis. The research results concluded that both methods integrated into the RDSMED, are sufficient for disease diagnosis. In addition, prevalence and critical risk factor analysis were performed by using descriptive statistics techniques, which revealed several important attributes related to stomach disorders. Factors such as NSAIDs, stress and dental problems have a high correlation with stomach disorders. In addition, symptoms like nausea and abdominal pain might be an important precursor for a particular stomach disorder. In conclusion, the system can assist doctors and help to relief challenges in Turkish healthcare.