Makine öğrenmesi ve bilgisayar görüsü ile düşme riski tahmini: Hemşirelikte klinik karar destek sisteminin geliştirilmesi

Basit Öğe Kaydı
dc.contributor.advisorÖzden, Gürkan
dc.contributor.authorCeviz, Ahmet
dc.date.accessioned2026-02-24T13:02:45Z
dc.date.available2026-02-24T13:02:45Z
dc.date.issued2025
dc.departmentSağlık Bilimleri Enstitüsü, Hemşirelik Ana Bilim Dalı
dc.description.abstractAmaç: Bu araştırma, makine öğrenmesi ve bilgisayar görüsü teknikleri ile düşme riski tahmini yapabilen ve hemşirelikte klinik karar alma süreçlerini destekleyecek bir sistem geliştirmeyi amaçlamaktadır. Materyal ve Metot: Araştırma, Aralık 2024 - Mayıs 2025 tarihleri arasında Turgut Özal Tıp Merkezi Fiziksel Tıp ve Rehabilitasyon servisinde tasarım ve geliştirme modeliyle yürütülmüştür. Örneklemi, düşme riski taşıyan ve araştırma kriterlerine uyan 148 birey oluşturmuştur. Katılımcıların verileri Morse Düşme Ölçeği, bilgisayar görüsü ile yürüyüş analizi ve ivmeölçer cihazları kullanılarak toplanmıştır. Görsel analizde YOLOv8 modeli ve sinir ağlarının eğitimi için Keras platformu, sınıflandırma işlemlerinde ise Lojistik Regresyon, Boosting, Karar Ağacı, Random Forest, Naive Bayes, DVM ve KEYK algoritmaları kullanılmıştır. Bulgular: Geliştirilen sistem, yürüyüşe ilişkin kinematik verileri kullanarak bireylerin düşme riskini yüksek doğruluk oranıyla sınıflandırabilmiştir. Morse Düşme Ölçeği ile sistem çıktıları arasında istatistiksel olarak anlamlı bir ilişki bulunmuştur (p<0.05). Boosting tabanlı sınıflandırıcının diğer yöntemlere göre daha yüksek başarı sağladığı görülmüştür. Sonuç: Bu çalışma, bilgisayar görüsü ve makine öğrenmesi tekniklerinin klinik ortamlarda düşme riskini tahmin etmede etkili bir araç olarak kullanılabileceğini göstermiştir. Hemşirelik uygulamalarına entegre edilebilecek bu sistemin, hasta güvenliğini artırmada ve düşmeye bağlı komplikasyonları önlemede önemli katkılar sağlayabileceği sonucuna varılmıştır. Anahtar Kelimeler: Makine öğrenmesi, Bilgisayar görüsü, Düşme riski, Klinik karar destek sistemi, Hemşirelik
dc.description.abstractObjective: This study aims to develop a system that can predict fall risk using machine learning and computer vision techniques and support clinical decision-making processes in nursing. Materials and Methods: The research was conducted between December 2024 and May 2025 at the Physical Medicine and Rehabilitation Department of Turgut Özal Medical Centre using a design and development model. The sample consisted of 148 individuals who were at risk of falling and met the research criteria. Participants' data were collected using the Morse Fall Scale, computer vision-based gait analysis, and accelerometer devices. The YOLOv8 model and the Keras platform were used for visual analysis and training neural networks, while Logistic Regression, Boosting, Decision Tree, Random Forest, Naive Bayes, SVM, and KNN algorithms were used for classification. Findings: The developed system was able to classify individuals' fall risk with high accuracy using kinematic data related to walking. A statistically significant relationship was found between the Morse Fall Scale and the system outputs (p<0.05). The Boosting based classifier was found to be more successful than other methods. Conclusion: This study demonstrated that computer vision and machine learning techniques can be used as effective tools for predicting the risk of falling in clinical settings. It was concluded that this system, which can be integrated into nursing practices, can make significant contributions to improving patient safety and preventing complications associated with falling. Keywords: Machine learning, Computer vision, Fall risk, Clinical decision support system, Nursing
dc.identifier.endpage80
dc.identifier.startpage1
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=ftqJzTasnJUH9hg-S5861tI5Tmr2vWP-eg1XtTuUcfLBDseekdMl4UyAwkRCCeav
dc.identifier.urihttps://hdl.handle.net/11616/106819
dc.identifier.yoktezid960914
dc.language.isotr
dc.publisherİnönü Üniversitesi
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_TEZ_20260224
dc.subjectHemşirelik
dc.subjectNursing
dc.titleMakine öğrenmesi ve bilgisayar görüsü ile düşme riski tahmini: Hemşirelikte klinik karar destek sisteminin geliştirilmesi
dc.title.alternativePredicting fall risk using machine learning and computer vision: Development of a clinical decision support system in nursing
dc.typeMaster Thesis

Dosyalar

Koleksiyon

Sağlık Bilimleri Enstitüsü Tez Koleksiyonu