Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Çanakkale Onsekiz Mart Üniversitesi, Lisansüstü Eğitim Enstitüsü, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: DUYGU ÇOKAY
Danışman: Engin Şahin
Özet:
Hastalıkların ileri evrelerde tespit edilmesi iyileşme oranlarını düşürür, tedavi sürecini zorlaştırır, iyileşme sürecindeki maliyeti artırır. Bu nedenle hastalıkların erken evrelerde tespit edilmesi önemlidir. Günümüzde makine öğrenmesi yöntemleri; sağlık alanında, tıbbi veri analizi ve hastalık tespiti amacıyla yaygın şekilde kullanılmaktadır. Ses kısıklığı, toplumda yaygın görülen şikayetlerden biridir. Ses kısıklığına neden olan ses teli polipi, gırtlak kanseri, akut larenjit, ses teli felci gibi çeşitli hastalıklar mevcuttur. Bu çalışmada, ses kısıklığına neden olan farklı hastalıkların, ses verileri kullanılarak, patolojik ve endoskopik muayeneden önce temel sınıflandırılmasının yapılması amaçlanmıştır. Çalışmada Saarland Üniversitesi Fonetik Enstitüsü tarafından oluşturulan Saarbruecken veri tabanından elde edilen ses verileri kullanılmıştır. Farklı hastalıklara sahip olan ve sağlıklı kişilerden oluşan 652 kişiye ait 5865 ses verisi üzerinde K En Yakın Komşu, Naive Bayes, Karar Ağacı, Destek Vektör Makinesi, Rassal Orman olarak beş farklı makine öğrenme algoritmasıyla sınıflama yapılmış, elde edilen sonuçlar karşılaştırılmıştır. Elde edilen sonuçlara göre hastalıklı-sağlıklı ses ayrımında en yüksek doğruluk oranı 0,79 ile Destek Vektör Makinesi algoritmasından elde edilmiştir. Hastalıkları patolojilerine göre sınıflamada en iyi sonucu K En Yakın Komşu algoritması vermiştir. Sınıflamada en başarısız algoritma Naive Bayes algoritmasıdır.