Sınıflamada Daha Güçlü Bir Yaklaşım Olan Boosting Ağacı: Karpal Tunel Sendromu Uygulaması

Basit Öğe Kaydı
dc.contributor.authorAnkaralı, Handan
dc.contributor.authorTemel, Gülhan Örekici
dc.contributor.authorTaşdelen, Bahar
dc.contributor.authorÖzge, Aynur
dc.date.accessioned2014-11-11T13:12:54Z
dc.date.available2014-11-11T13:12:54Z
dc.date.issued2012
dc.descriptionJournal of Turgut Ozal Medical Centeren_US
dc.description.abstractBoosting ağaç yöntemi topluluk birleştirme yöntemlerinden en başarılı olanıdır. Birleştirme algoritmalarının temel amacı, zayıf sınıflayıcıların kombinasyonundan tahmin hatası düşük güçlü sınıflayıcılar oluşturmaktır. Gereç ve Yöntemler: Bu çalışmada Karpal Tunel Sendromu vakaları boosting metodunu kullanılarak sınıflanmıştır. Mersin Üniversitesi Tıp Fakültesi Nöroloji Anabilim Dalının Elektrofizyoloji Laboratuvarına 2006-2010 tarihleri arasında Karpal Tünel Sendromu (KTS) ön tanısı ile başvuru yapan bireyler çalışmaya alınmıştır. Boosting Tree uygulaması Statistica 7.0 paket programında yapılmıştır. Bulgular: Test verisi kullanıldığında ise modelin genel doğru sınıflama başarısı %87.67 olarak hesaplanmıştır. Test verisi kullanıldığında son modelin sensitivite ve spesifitesi ise sırasıyla %85.65 ve %92.36 olarak hesaplanmıştır. Sonuç: Kullanılan modelin KTS tanısının konulmasında başarılı bir yöntem olarak kullanılabilir.en_US
dc.description.abstractThe Boosting Tree, one of the most successful combining methods. The principal aim of these combining algorithms is to obtain strong classifier with small estimation error from the combination of weak classifiers. Material and Methods: We used boosting method to classify patients with Carpal Tunnel Syndrome. The individuals, who applied to Mersin University’s Medical School’s Neurology Main Scientific Branch’s Electrophysiology Laboratory between the years of 2006 and 2010, with a pre-diagnosis of Carpal Tunnel Syndrome (CTS) were included in the study. Boosting Tree application was conducted in Statistica 7.0 software package. Results: General success of the model in accurate classification according to the test data was found as 87.67%. Sensitivity and specificity of the latest model, when the test data were used, were calculated respectively as 85.65% and 92.36% . Conclusion: The model can be used in CTS diagnosis as a successful method.en_US
dc.identifier.citationAnkaralı, Handan; Temel, Gülhan Örekici; Taşdelen, Bahar ; Özge, Aynur; (2012) Sınıflamada Daha Güçlü Bir Yaklaşım Olan Boosting Ağacı: Karpal Tunel Sendromu Uygulaması, İnönü Üniversitesi Tıp Fakültesi Dergisien_US
dc.identifier.urihttp://www.totmdergisi.org/articles/2012/volume19/issue4/2012_19_4_5.pdf
dc.identifier.urihttps://hdl.handle.net/11616/667
dc.language.isoenen_US
dc.publisherİnönü Üniversitesi Tıp Fakültesi Dergisien_US
dc.rightsAttribution 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/us/*
dc.subjectSınıflamaen_US
dc.subjectBoosting Ağacıen_US
dc.subjectZayıf Sınıflayıcılaren_US
dc.subjectClassificationen_US
dc.subjectBoosting Treeen_US
dc.subjectWeak Classifiersen_US
dc.titleSınıflamada Daha Güçlü Bir Yaklaşım Olan Boosting Ağacı: Karpal Tunel Sendromu Uygulamasıen_US
dc.title.alternativeBoosting Tree as a Stronger Approach in Classification: An Application of Carpal Tunnel Syndromeen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
2012_19_4_5.pdf
Boyut:
568.64 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Makale Dosyası
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.71 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

İnönü Üniversitesi Tıp Fakültesi Dergisi Koleksiyonu