Destek vektör makinesi modelleri ile miyokard infarktüsün sınıflandırılması

dc.contributor.authorGüldoğan, Emek
dc.contributor.authorYağmur, Jülide
dc.contributor.authorYoloğlu, Saim
dc.contributor.authorAsyalı, Musa Hakan
dc.contributor.authorÇolak, Cemil
dc.date.accessioned2016-02-10T08:44:51Z
dc.date.available2016-02-10T08:44:51Z
dc.date.issued2015
dc.departmentİnönü Üniversitesien_US
dc.description[Turgut Özal Tıp Merkezi Dergisi, (2015).23 (4)]en_US
dc.description.abstractAmaç: Destek vektör makinesi (DVM), pozitif ve negatif örnekleri bilinen bir uzayı ikiye ayıran en iyi hiper-düzlemi bulmaya çalışan sınıflandırma yöntemlerinden biridir. Bu çalışmada, Miyokard İnfarktüsün (Mİ) DVM modelleri ile sınıflandırılması amaçlanmaktadır. Gereç ve Yöntemler: Sınıflandırmada kullanılacak Mİ verileri, İnönü Üniversitesi Tıp Fakültesi Kardiyoloji anabilim dalı için oluşturulan veritabanından rastgele alınan 184 bireye ilişkin bilgileri içermektedir. Tahmin edilen DVM’ler, DVM-Doğrusal ve DVM-Radyal Tabanlı kernel fonksiyonlarından oluşturulan modellerdir. Bulgular: Çalışmada incelenen grubun 90’ı (%48.9) Mİ hastası iken, 94’ü (%51.1) Mİ hastası değildi. Mİ’nin doğru sınıflama başarısı, DVM-Doğrusal modeli için %83.70 ve DVM-Radyal Tabanlı modeli için %90.76 olarak elde edilmiştir. Sonuç: Bu araştırmada Mİ’nin sınıflanmasında radyal tabanlı DVM modelinin, doğrusal DVM modelinden daha iyi sınıflama performansı gösterdiği belirlenmiştir. Farklı kernel tipi fonksiyonlara dayalı DVM modellerinin kullanımı, hastalıkların sınıflama performansını artırılabilir.en_US
dc.description.abstractAim: Support vector machines (SVM) is one of the classification methods that aims to find the best hyper-plane separating a space into two parts with known positive and negative samples. The goal of this study is to classify myocardial infarction (MI) using SVM models. Material and Methods: The data used in the MI classification contains information related to 184 individuals which is randomly taken from the database created for the Department of Cardiology, Faculty of Medicine, Inonu University. Estimated SVMs are models generated from the SVM-linear and SVM-Radial Based kernel functions. Results: In this study, 90 individuals of the study group (48.9%) are MI patients, while 94 (51.1%) patients are not. The classification success rate is 83.70% for SVM-linear model and 90.76% for the SVM-Radial Based model. Conclusion: In this study, it is observed that SVM-Radial based model presented a better classification performance than the linear SVM model. The use of SVM models based on various kernel type functions can improve disease classification performance.en_US
dc.identifier.citationGüldoğan, E.,Yağmur, J.Yoloğlu, S.,Asyalı, M. Hakan.,Çolak, C.,(2015).Destek vektör makinesi modelleri ile miyokard infarktüsün sınıflandırılması.Turgut Özal Tıp Merkezi Dergisi, 23 (4).221-224 ss.en_US
dc.identifier.endpage224en_US
dc.identifier.issue4en_US
dc.identifier.startpage221en_US
dc.identifier.urihttp://www.totmdergisi.org/articles/2015/volume22/issue4/2015_22_4_2.pdf
dc.identifier.urihttps://hdl.handle.net/11616/3146
dc.identifier.volume23en_US
dc.language.isoenen_US
dc.publisherİnönü Üniversitesi Tıp Fakültesi Dergisien_US
dc.relation.ispartofTurgut Özal Tıp Merkezi Dergisien_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectDestek Vektör Makinelerien_US
dc.subjectMiyokard İnfarktüsüen_US
dc.subjectSınıflamaen_US
dc.subjectSupport Vector Machinesen_US
dc.subjectMyocardial Infarctionen_US
dc.subjectClassificationen_US
dc.titleDestek vektör makinesi modelleri ile miyokard infarktüsün sınıflandırılmasıen_US
dc.title.alternativeDestek vektör makinesi modelleri ile miyokard infarktüsün sınıflandırılmasıen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Yükleniyor...
Küçük Resim
İsim:
2015_22_4_2.pdf
Boyut:
618.34 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Makale Dosyası
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: