Tez No	İndirme	Tez Künye	Durumu
397349		Baş ağrısı teşhisi için bir karar destek sisteminin geliştirilmesi / Development of a decision support system for headache diagnosis Yazar:UFUK ÇELİK Danışman: YRD. DOÇ. DR. NİLÜFER YURTAY Yer Bilgisi: Sakarya Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı / Bilişim Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Nöroloji = Neurology Dizin:	Onaylandı Doktora Türkçe 2015 140 s.
Baş ağrısı yaşam kalitesini olumsuz yönde etkileyen yaygın bir sağlık sorunudur. Çoğunlukla selim bir ağrı türüdür ve zamanla kendiliğinden geçer. Ancak herhangi bir etiyolojiye dayanmayan başlı başına hastalık olan türleri mevcuttur. Bu türler uzman bir nöroloji doktoru eşliğinde tedavi gerektirir. Baş ağrılarının teşhisi ve tedavisi için Uluslararası Baş Ağrısı Derneği tarafından yayınlanan sınıflama kriterleri kullanılır. Bu kriterler, birbirlerine benzeyen ve birbirleri ile şartlı ilişkilere sahip, karmaşık birçok maddeden oluşmaktadır. Kriterlerin doğru kullanılması ve hastanın düzenli şekilde takip edilmesiyle en doğru teşhis konulabilir ve uygun tedavi yapılabilir. Bu tezde, baş ağrılarını doğru bir şekilde teşhis edebilmek ve hastalığın ilerleyişini kontrol etmek amacıyla bilgisayar destekli bir takip ve kriterlere göre bir sınıflama sisteminin geliştirilmesi anlatılmıştır. Bu sistem kullanılarak toplanan hasta kayıtları ile veri madenciliği yapılmış ve farklı algoritmalar doğruluk, hassasiyet ve kesinlik açısından karşılaştırılmıştır. Sistem web tabanlı olarak geliştirilmiş olup, kural tabanlı bir algoritma ile baş ağrısı teşhis kriterlerine göre sınıflama yapmaktadır. Ayrıca sistemde bir takvim modülü hazırlanmış olup, hastaların baş ağrısı ve aura atakları yanı sıra ilaç kullanımları da aylık, haftalık ve günlük olarak bu modül yardımı ile takip edilebilmektedir. Türkiye'nin üç farklı şehrinden elde edilen 850 hasta kaydı ile yapay bağışıklık sistemi algoritmaları, karınca koloni algoritması ve yapay arı koloni algoritmasının sınıflandırma performansları gözlemlenmiştir. Ancak kural tabanlı sınıflama algoritması baş ağrılarının alt kümelerini de teşhis ederken, yapay zekâ algoritmaları eğitim verilerinin çeşitliğinin az olması sebebiyle sadece ana gruptaki baş ağrılarını sınıflandırabilmektedir. Alt kümeler sınıflandırıldığı zaman doğruluk oranı azalmaktadır.
Headache is a common health problem which negatively affects life quality. Mostly, it is a benign pain and it disappears in time without treatment. However, there are some headache types which are diseases on their own that do not have an underlying etiology. Thus, they require medical treatment with guidance of a neurologist. The criteria published by International Headache Society are used for headache diagnosis and treatment. These criteria involve several complex criterion which are similar and related to each other with several conditions. The most precise diagnosis result can be reached by patients' regular follow-up and the right use of criteria. In this thesis, the development of a classification system based on the criteria and computer-aided patient follow-up in order to control the progress of disease for correct diagnosis of headaches was explained. Data mining was used with the gathered patients' records by using this system and different algorithms are compared in terms of accuracy, sensitivity and specificity. The system was developed as web-based and it makes classification according to the headache diagnosis criteria through the use of the rule based algorithm. Additionally, a calendar module was prepared and the patients' daily, weekly and monthly headache and aura attacks as well as the medication usage could be followed with the help of this module. The classification performance of the artificial immune system algorithms, the ant colony algorithm and the artificial bee colony algorithm were evaluated with the use of 850 patients' records from three different cities of Turkey. Although the rule based classification algorithm was able to classify all the sub-groups of the main types of headaches, the artificial intelligence algorithms could only classify the main types of headaches due to the lack of diversity in training data. Accuracy value decreased when the sub-groups of headaches were classified.