Yazar "Alasulu, Necati" seçeneğine göre listele
Listeleniyor 1 - 2 / 2
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Radial basis function neural network and logistic regression analysis for prognostic classification of coronary artery disease(2007) Sağıroğlu, Şeref; Çolak, Cemil; Çolak, M. Cengiz; Atıcı, M. Ali; Alasulu, NecatiAmaç: Önceki çalışmalarda geriye yayılım algoritması ile eğitilen yapay sinir ağları yaygın olarak incelenmiştir. Bu çalışmada, koroner arter hastalığının (KAH) sınıflanmasında radial basis fonksiyonu sinir ağı ve lojistik regresyon analizi tanıtılmaktadır. Yöntem: Kardiyoloji bölümüne müracaat eden ardışık 237 bireyin kayıtları analizde kullanılmıştır. Koroner arter hastalığının sınıflanmasında radial basis fonksiyonu sinir ağı ve lojistik regresyon analizi kullanılmıştır. Bulgular: Çalışmanın bulguları, radial basis fonksiyonu sinir ağı ve lojistik regresyon analizinin sınıflamada oldukça başarılı olduğunu ve incelenen klinik değişkenlere dayalı olarak koroner arter gibi hastalıkların sınıflanmasında invaziv olmayan bir biçimde kullanılabileceğini göstermiştir. Sonuç: İncelenen KAH'a ait verilerde, lojistik regresyon analizi, radial basis fonksiyonu sinir ağından daha iyi sonuçlar vermiştir. Ancak, daha büyük örnek çapları söz konusu olduğunda radial basis fonksiyonu sinir ağı daha iyi sınıflama sonuçları verebilir. Daha kesin karşılaştırma sonuçları elde edebilmek için, simülasyon çalışmaları değişik yöntemler kullanılarak yapılmalıdır.Öğe Ultrasonografi kılavuzluğunda yapılan prostat biyopsisinde hasta hazırlığı ve teknik anketi: Üroonkoloji derneği çok merkezli çalışması(2007) Sağıroğlu, Şeref; Çolak, Cemil; Çolak, Mehmet Cengiz; Atıcı, Ali M.; Alasulu, NecatiÖz: Amaç: Önceki çalışmalarda geriye yayılım algoritması ile eğitilen yapay sinir ağları yaygın olarak incelenmiştir. Bu çalışmada, koroner arter hastalığının (KAH) sınıflanmasında radial basis fonksiyonu sinir ağı ve lojistik regresyon analizi tanıtılmaktadır. Yöntem: Kardiyoloji bölümüne müracaat eden ardışık 237 bireyin kayıtları analizde kullanılmıştır. Koroner arter hastalığının sınıflanmasında radial basis fonksiyonu sinir ağı ve lojistik regresyon analizi kullanılmıştır. Bulgular: Çalışmanın bulguları, radial basis fonksiyonu sinir ağı ve lojistik regresyon analizinin sınıflamada oldukça başarılı olduğunu ve incelenen klinik değişkenlere dayalı olarak koroner arter gibi hastalıkların sınıflanmasında invaziv olmayan bir biçimde kullanılabileceğini göstermiştir. Sonuç: İncelenen KAH'a ait verilerde, lojistik regresyon analizi, radial basis fonksiyonu sinir ağından daha iyi sonuçlar vermiştir. Ancak, daha büyük örnek çapları söz konusu olduğunda radial basis fonksiyonu sinir ağı daha iyi sınıflama sonuçları verebilir. Daha kesin karşılaştırma sonuçları elde edebilmek için, simülasyon çalışmaları değişik yöntemler kullanılarak yapılmalıdır.
