Gerçek tıbbi veriler üzerinde veri madenciliği yöntemlerini kullanarak hastalık teşhisi

Abstract

Günümüzde veri madenciliği çoğu kritik problemin çözümünde önemli bir rol oynamaktadır. Özellikle tıp alanında medikal verilerin veritabanlarında saklanmasıyla birlikte oluşan büyük veri yığınları, veri madenciliği yöntemleri için çok tercih edilen bir uygulama alanı olmaktadır. Veri madenciliği tekniklerini kullanan biyomedikal sistemler sayesinde hızlı ve etkili bir şekilde bilgilerin elde edilmesi, hekimlere ve hastalara büyük fayda sağlamaktadır. Bu tez çalışmasında k-en yakın komşu (KNN) ve k-means algoritmaları detaylı bir şekilde incelenmiştir. Ayrıca bu algoritmalar kullanılarak tıp alanında hekimlerin kullanabileceği, dermatolojik hastalıkların teşhisi için tahmin yapabilen ve hasta kayıtlarının nitelikleri arasındaki ilişkileri analiz etme imkanı sunabilen yardımcı bir karar verme sistemi tasarlanmış ve gerçekleştirilmiştir.

Nowadays data mining plays a significant role in solving most of the critical problems. Especially in medical field, storage of medical data in databases creates a large mass of data which is being the most preferred application area for data mining methods. Obtaining information quickly and efficiently through the biomedical systems which use data mining techniques, provide a great benefit to physicians and patients. In this thesis k-nearest neighbor (KNN) and k-means algorithms have been investigated in detail. Also using these algorithms an assistant decision-making system which is available to physicians in the medical field, can predict for the diagnosis of dermatological diseases and provide an opportunity to analyze the relationships between characteristics of patient records has been designed and carried out.