Derin öğrenme ile miyokard enfarktüsü komplikasyonlarını ve sonuçlarını tahmin etme
Ismail Burak Yavru, Sevcan Yilmaz Gunduz
Eskişehir Teknik Üniversitesi Bilim ve Teknoloji Dergisi A - Uygulamalı Bilimler ve Mühendislik
Özet
Dünya genelinde yüksek ölüm oranlarına sahip kardiyovasküler hastalıkların erken teşhisi birçok hayat kurtarabilir. Bu hastalıkların teşhisinde çeşitli klinik bulgular ve hastaların geçmiş öyküleri önemli rol oynar. Günümüzde kardiyovasküler hastalıkların tahmini tıp alanında büyük önem kazanmıştır. Çok fazla bulgunun incelenmesi nedeniyle patolojik çalışmalar yanlış yorumlamaya eğilimlidir. Bu nedenle, hastaların bulguları üzerinde makine öğrenme yöntemleriyle çalışan birçok otomatik model önerilmiştir. Bu çalışmada, klinik bulgulara dayanarak on iki miyokard enfarktüsü komplikasyonunu tahmin eden bir model önerilmiştir. Önerilen model, dropout'lu ve atlama bağlantılı üç gizli katmana sahip derin öğrenme modelidir. Önerilen yöntemin performansını ölçmek için ikili doğruluk metriği kullanılmıştır. Gizli katmanlara Doğrulmuş Doğrusal Birim (RLU) ve çıkış katmanına aktivasyon fonksiyonu olarak sigmoid fonksiyonu uygulanmıştır. Deneyler, 1700 hasta kaydı içeren gerçek bir veri seti üzerinde iki ana senaryoda gerçekleştirilmiştir; orijinal veriler üzerinde eğitim ve 100 epoch ile artırılmış veriler üzerinde eğitim. Deneyler sonucunda, bu veri kümesinde önerilen en iyi doğruluk oranı olan %92'lik toplam doğruluk oranına ulaşıldı.