dc.contributor.author | Bozkurt Keser, Sinem | |
dc.contributor.author | Keskin, Kemal | |
dc.date.accessioned | 2023-11-01T08:02:48Z | |
dc.date.available | 2023-11-01T08:02:48Z | |
dc.date.issued | 03.05.2023 | en_US |
dc.identifier.citation | Bozkurt Keser, S. & Keskin, K. (2023). Kalp Yetmezliği Hastalarının Sağ Kalım Tahmini: Sınıflandırmaya Dayalı Makine Öğrenmesi Algoritmalarının Bir Uygulaması . Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi , 23 (2) , 362-369 . DOI: 10.35414/akufemubid.1033377 | en_US |
dc.identifier.uri | https://doi.org/10.35414/akufemubid.1033377 | |
dc.identifier.uri | https://dergipark.org.tr/tr/download/article-file/2118873 | |
dc.identifier.uri | https://hdl.handle.net/11630/11308 | |
dc.description.abstract | Kardiyo-vasküler hastalıklar dünya genelinde en çok ölüme sebep olan hastalıklar arasında yer
almaktadır. Bir kardiyo-vasküler hastalık olan kalp yetmezliği, kalbin vücudun ihtiyaç duyduğu kanı
pompalayamaması durumudur. Ülkemizde sıklıkla görülen bu hastalığın sonucu olarak ölümler
yaşanmaktadır. Bu çalışmada kalp yetmezliğe sahip hastaların sağ kalım veya ölüm durumlarının tahmin
edilmesi için makine öğrenmesi tabanlı bir yaklaşım önerilmektedir. Üç farklı sınıflandırma algoritması
kullanılarak önerilen yöntemin etkinliği değerlendirilmektedir. Gerçekleştirilen deneylerde, Yapay Sinir
Ağı algoritması ile en yüksek doğruluk değerine (86.67%) ulaşılmıştır. Önerilen yöntem, ölüm riskinin
yüksek olduğu kalp yetmezliği hastalarına daha etkin ve uygun tedavi planlarının hazırlanması açısından
yol gösterici olacaktır. | en_US |
dc.description.abstract | Cardio-vascular diseases are among the diseases that cause the most deaths worldwide. Heart failure, a cardiovascular disease, is a condition in which the heart cannot pump the blood that the body needs. Deaths occur as a result of this disease, which is frequently seen in our country. In this study, a machine learning-based approach is proposed to predict survival or death of patients with heart failure. The effectiveness of the proposed method is evaluated using three different classification algorithms. In the experiments performed, the highest accuracy values (86.67%) was achieved with the Artificial Neural Network algorithm. The proposed method will guide the preparation of more effective and appropriate treatment plans for heart failure patients with a high risk of death. | en_US |
dc.language.iso | tur | en_US |
dc.publisher | Afyon Kocatepe Üniversitesi | en_US |
dc.identifier.doi | 10.35414/akufemubid.1033377 | en_US |
dc.rights | info:eu-repo/semantics/openAccess | en_US |
dc.subject | Kalp Yetmezliği | en_US |
dc.subject | Makine Öğrenmesi | en_US |
dc.subject | Rastgele Orman | en_US |
dc.subject | Aşırı Gradyan Arttırma | en_US |
dc.subject | Yapay Sinir Ağları | en_US |
dc.subject | Heart Failure | en_US |
dc.subject | Machine Learning | en_US |
dc.subject | Random Forest | en_US |
dc.subject | Extreme Gradient Boosting | en_US |
dc.subject | Artificial Neural Networks | en_US |
dc.title | Kalp yetmezliği hastalarının sağ kalım tahmini: Sınıflandırmaya dayalı makine öğrenmesi algoritmalarının bir uygulaması | en_US |
dc.title.alternative | Prediction of survival of heart failure patients: An application of classification-based machine learning algorithms | en_US |
dc.type | article | en_US |
dc.relation.journal | Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi | en_US |
dc.department | Afyon Kocatepe Üniversitesi | en_US |
dc.authorid | 0000-0002-8013-6922 | en_US |
dc.authorid | 0000-0002-3969-2396 | en_US |
dc.identifier.volume | 23 | en_US |
dc.identifier.startpage | 362 | en_US |
dc.identifier.endpage | 369 | en_US |
dc.identifier.issue | 2 | en_US |
dc.relation.publicationcategory | Makale - Ulusal Hakemli Dergi - Başka Kurum Yazarı | en_US |