Risk estimation for intrauterine growth restriction using ultrasound indices and classifiers in emergenct cases

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2008

Tezin Dili: İngilizce

Öğrenci: ZEYNEP ZENGİN

Danışman: SADIK FİKRET GÜRGEN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezde yapılan çalışmanın temel amacı bebeklerdeki intrauterin büyüme kısıtlılığının hamileliğin erken safhalarında otomatik olarak tespit edilmesini sağlamaktır. Büyüme kısıtlılığın erken tespit edilmesinin zor olduğu kadar önemli olması araştırmacıları bu alana yöneltmiştir. Bu tez, acil servise gelen annelerin ultrasonlarından edinilen verilerin hızlı ve efektif bir şekilde sınıflandırılmaları sonucu intrauterin büyüme geriliği riskini düşürmektir. Günümüzde akıllı veri analizi sistemleri kullanımıyla anneye özgü, plasental ve cenine özgü verilerin edinilmesi doğrultusunda büyüme kısıtlılığınının olup olmadığı tespit edilerek gerçek zamanlı analiz ve teşhis imkanı sağlanmaktır. Bu çalışmada intrauterin büyüme kısıtlılığının önceden belirlenmesi için çeşitli makina öğrenmesi sitemleri kullanılmıştır. Önce, verinin boyutu manuel bir bir şekilde indirgenmiş ve sınıflandırma performansını artırdığı ispatlanan ölçeklendirme işlemi uygulanmıştır. Bu aşamadan sonra veriye onüç farklı sınıflandırma yöntemi uygulanarak sonuçlar karşılaştırılmıştır. Bu yöntemler temel olarak üç farklı grupta toplanabilirler. İlk grup Destek Vektör Makineleri (DVM), k-En Yakın Komşu (k- Nearest Negihbor ? k-NN) ve Lojistik Regresyon yöntemleri gibi tekil sınıflandırma yönetemleridir. İkinci grup yöntemler DVM ve k-NN sınıflandırma yöntemlerinde güven analizi yaparak düşük güvenli test verilerinin reddedilmesi sonucu daha yüksek sınıflandırma doğruluğu elde edilmesini amaçlamaktadır. Üçüncü grup deneyler ise ilk gruptaki üç sınflandırma yöntemlerinin değişik kombinasyonlarda birleşerek beraber veya sıralı bir şekilde sınıflandırma yapmalarına dayanmaktadır. Bu üç grup deneyler içinde sınıflandırma performansı sırasıyla en yüksek ikinci olmak üzere, üçüncü ve birinci sınıfladır. İkinci grup içinde ise DVM sınflandırması kullanan ve sınıflandırma güvenilirliği düşük vakaların reddedilmesi sonucu elde edilen sınıflandırma doğruluğu bütün testlerdeki en yüksek performası elde etmiştir.