Derin öğrenme yöntemleri kullanılarak anne sağlığı risk analizi yapılması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, -, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: BURÇİN YÖNEL ÖNEM
Danışman: Hacer Karacan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Hamilelik döneminde kadınlar, oluşabilecek komplikasyonlar açısından yüksek risk altında bulunur. Bu riskler birçok zaman düşük ve ölümle sonuçlanmaktadır. Bu yüzden de hamilelik boyunca ve hamilelikten önce kadın sağlığı hem anne hem çocuk için önemli rol oynamaktadır. Doğumdan önce ve sonra, anne ve bebeğin sağlık takibi, oluşabilecek riskleri en aza indirmek için önemlidir. Bu kapsamda, derin öğrenmeye dayalı modeller, görüntüler, sağlık kayıtları ve zaman verileri kullanılarak komplikasyonların tahminini kolaylaştırmak gibi çok çeşitli çalışmalar yapılmış ve tıbbi görevler için kullanılmıştır. Bu çalışmada kullanılan tabular veri setine TabNet modeli uygulanarak anne sağlığı risk analizi tahminlemesi gerçekleştirilmiştir. Kullanılan veri seti Institute of Electrical and Electronics Engineers (IEEE) veri portu tarafından temin edilmiş olup, bu veri seti, 450 kayıt ve 130 öznitelik içermektedir. MSF (Mother's Significant Feature) veri setiyle yapılan çalışmada 8 farklı kategoride risk analizi yapılmaktadır. Küçük ve tabular veri setlerinde daha iyi sonuç veren TabNet yönteminden faydalanılmıştır. Çalışmadaki amaç, derin öğrenme modeli olan TabNet modelini kullanılarak klasik makine öğrenmesiyle yapılan tahminlemelerden daha yüksek doğruluk oranları bulmak ve bu sayede anne sağlığı risk analizi yaparken risk tahminleme oranlarını yükseltmektir. Yapılan deneyler sonucunda, kullanılan yöntemle doğruluk (accuracy) oranlarının erken doğum (Preterm) (+%2.2), bebekte doğumdan sonra sarılık tespiti (Jaundice) (+%0.55), sezaryen doğum (C-Section) (+%5.55), vajinal doğum (Vaginal Delivery) (+%28.6) kategorileri için arttığı, tam zamanında doğum (Fullterm) doğruluk oranının sabit kaldığı görülmüştür. Bu oranlar doğrultusunda derin öğrenme ile hamilelik döneminde anne ve bebek sağlığı açısından risk oluşturabilecek durumların doğru tahmin edilebilmesi daha da kolaylaşacak ve tıbbi olarak anne sağlığı riski azaltılabilecektir.