Kalp Yetmezliği Hasta Verilerinin Farklı Sınıflandırma Yöntemleriyle Analizi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, MATEMATİK ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: ŞEVVAL TUĞÇE BADİK

Danışman: Mutlu Akar

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Kalp yetmezliği dünya genelinde ölüm oranında büyük ölçüde büyümeye sebep olan bir kardiyovasküler hastalıktır. Bu yazının amacı, çeşitli makine öğrenmesi yöntemlerini kullanarak hastaların çeşitli özelliklerine, hastalıklarına ve yaşam tarzlarına bakarak hayatta kalma olasılıklarını en başarılı şekilde tahmin etmektir. Kullandığımız veri setinde 2015 yılında sol ventrikül sistolik disfonksiyonu olan 299 hasta NYHA sınıf III ve IV olarak sınıflandırılmıştır. Veri seti üzerinde çeşitli makine öğrenimi sınıflandırma yöntemlerini kullanarak hastaların hayatta kalma olasılığını tahmin etmeye çalışılmıştır. Bu çalışmada iki versiyon bulunmaktadır. Çalışmanın ilk versiyonunda, veri setinin boyutunu küçültmek için PCA kullanılmıştır. Makine öğrenimi algoritmalarının başarısı çeşitli performans ölçme metriklerine göre değerlendirilmiştir. İkinci versiyonda veri setine sadece makine öğrenmesi algoritmaları uygulanmış olup ardından performans ölçümü yapılmıştır. İki sürüm karşılaştırıldığında, PCA uygulanmayan ikinci sürüm, genel olarak tüm makine öğrenmesi algoritmaları için daha başarılı olmuştur. İkinci versiyonda ise en başarılı sonucu CatBoost algoritması vermiştir. Kalp yetmezliği olan hastaların ölüm durumları makine öğrenmesi teknikleri kullanılarak tahmin edilebilir. Bu makalenin amacı, hastanın ölüm durumunu değerlendirmek için çeşitli değişkenlere bakmaktır. Mortalite durumuna göre uygun tedavi seçilerek hastanın durumu iyileştirilebilir.