Veri madenciliği yöntemleri ile kardiyovasküler hastalık tahmini yapılması

Abstract

Bu çalışmada biyomedikal veriler incelenerek dünyanın bir numaralı ölüm sebebi olan kalp ve damar hastalıklarının erken teşhisine katkıda bulunabilecek başarılı bir model oluşturmak hedeflenmiştir. Çalışmada kullanılan veri kümesi 604 kayıt içermektedir. Üç farklı yöntem kullanılarak referans değer aralıklarına göre dönüştürülen bu veri ile üç veri kümesi elde edilmiştir. Oluşan bu üç veri kümesi üzerinde nitelik seçim işlemleri ile belirlenen parametrelere, on sınıflandırma yöntemi uygulanmıştır. Veri kümeleri ve kullanılan algoritmaların başarı durumları incelenmiş ve bu incelemeyi desteklemek amacıyla diğer bazı performans ölçme metrikleri de kullanılarak en başarılı veri kümesi ve algoritma belirlenmiştir. Bu çalışma, oluşan modeli kullanarak hasta laboratuvar sonuçlarından otomatik olarak tanı üreten bir program yazılması ile geliştirilebilir.

In this study the main purpose is to build a successful model using a biomedical data set that will have a contribution to the diagnosis of cardiovascular disease which is the most common cause of death in the world. The data set used in this study contains 604 records. This data set was transformed according to the reference ranges of parameters using three different methods. Three new data sets were obtained after the transformation process. Future selection methods were applied on each data set to get correct parameter group for modelling. Ten different classification techniques were applied to these data sets to build a model. The most successful data set and algortithm were detected by examining and comparing accuracy of the models. Additional performance evaluation metrics were also used to support the mentioned comparisons. This study can be improved by implementing an application for automatically diagnosis of cardiovascular disease using the model.