Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2026
Tezin Dili: Türkçe
Öğrenci: BÜŞRA ŞENEL KAHYAOĞLU
Danışman: Kadiriye Şimşek Alan
Özet:
Günümüzde kalp ve damar
rahatsızlıkları, küresel ölçekte en fazla can kaybına yol açan sağlık
problemleri arasında yer almaktadır. Bu hastalıkların önceden tespit edilmesi,
hastaların yaşam kalitesini yükseltmek ve ölüm riskini azaltmak bakımından
büyük önem taşımaktadır. Bilgisayar destekli tanı sistemleri, bu alanda
hekimlere önemli bir destek mekanizması sunmaktadır. Mevcut çalışmada, kardiyak
rahatsızlıkların önceden belirlenmesine yönelik olarak farklı sınıflandırma
tekniklerinin etkinliği incelenmiştir. Araştırmada Cleveland kliniği verilerini
içeren ve uluslararası literatürde sıkça tercih edilen bir veri kümesi temel
alınmıştır. Söz konusu veri kümesi, dört farklı sağlık merkezinden derlenen
toplam 920 bireye ait klinik ölçümleri barındırmaktadır.
Araştırma kapsamında gradyan
artırma tabanlı yöntemler (XGBoost, LightGBM), mesafe temelli sınıflandırıcılar
(KNN), çekirdek fonksiyonlu ayırıcılar (SVM), olasılıksal modeller (Lojistik
Regresyon) ve ağaç toplulukları (Random Forest) olmak üzere altı ayrı teknik
değerlendirilmiştir. Veri hazırlama sürecinde kayıp gözlemler tahminleme
yöntemleriyle tamamlanmış, sınıflar arası dengesizlik ise sentetik örnekleme
ile giderilmiştir. Deneysel bulgular, çekirdek tabanlı sınıflandırıcının (SVM)
%83 başarı oranı ve 0.88 eğri altı alan değeri ile öne çıktığını ortaya
koymuştur. Ağaç topluluğu yöntemi ise 0.90 eğri altı alan skoru ile sınıflar
arası ayrım gücünde en yüksek performansı sergilemiştir. Araştırma sonuçları,
otomatik öğrenme yaklaşımlarının kardiyak tanıda güvenilir bir yardımcı araç
olabileceğine işaret etmektedir.