Yapay zeka teknikleriyle t bbi verilerin lenmesi ver madenc l
This presentation is the property of its rightful owner.
Sponsored Links
1 / 34

Yapay Zeka Teknikleriyle Tıbbi Verilerin İşlenmesi: VERİ MADENCİLİĞİ PowerPoint PPT Presentation


  • 197 Views
  • Uploaded on
  • Presentation posted in: General

Yapay Zeka Teknikleriyle Tıbbi Verilerin İşlenmesi: VERİ MADENCİLİĞİ. VERİ NEDİR ?. Bilgisayar disklerinde biriktirilen, aktif olarak kullanılan veya ileride kullanılması düşünülen ilişkisel büyüklüklerdir

Download Presentation

Yapay Zeka Teknikleriyle Tıbbi Verilerin İşlenmesi: VERİ MADENCİLİĞİ

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Yapay zeka teknikleriyle t bbi verilerin lenmesi ver madenc l

Yapay Zeka Teknikleriyle Tıbbi Verilerin İşlenmesi:VERİ MADENCİLİĞİ


Ver ned r

VERİ NEDİR ?

Bilgisayar disklerinde biriktirilen, aktif olarak kullanılan veya ileride kullanılması düşünülen ilişkisel büyüklüklerdir

Tahminen: Yeryüzünde biriktirilen veri miktarı birkaç yılda bir ikiye katlanarak artmaktadır


Ver e tler

VERİ ÇEŞİTLERİ

  • Tıbbi veriler

  • Uydulardan gelen veriler

  • Finans verileri

  • Alışveriş verileri

  • İnsan kaynakları verileri

  • Otomasyon verileri

  • E-kütüphaneler

  • ………………..


T bbi veriler

Tıbbi veriler

  • Metin veriler

    Raporlar

    Tahlil sonuçları v.b.

  • Örüntü verileri

    Filmler

    mikroskop verileri

    ultrason verileri

    Kamera verileri v.b. örüntüler

  • Otomasyon verileri


Ver zeng n b lg fak r

VERİ ZENGİNİ – BİLGİ FAKİRİ


Bilginin kullan m

Bilginin kullanımı

  • Karar destek sistemlerinde

  • Strateji belirlemede

  • Finans ve alışverişte kar amaçlı veya zarar

    tespitinde

  • Bilimsel analizlerde

  • Akıllı robotlar ve cihazlar geliştirmede

  • Tahmin etmede

  • ………………


Ver madenc l

VERİ MADENCİLİĞİ

  • Veri toplulukları içerisinde bulunan bilginin keşfedilmesi

  • Veri toplulukları içerisindeki veri modellerini ve eğilimlerini ortaya çıkarmak için yapay zeka tekniklerinin kullanılması


Ver madenc l b r ok d s pl n n ortak bulu ma noktasidir

VERİ MADENCİLİĞİ BİRÇOK DİSİPLİNİN ORTAK BULUŞMA NOKTASIDIR

istatistik

Veri tabanı

teknolojileri

Görsel

Bilimler

VERİ

MADENCİLİĞİ

Diğer

disiplinler

Enformasyon

bilimleri

Makine

öğrenmesi


Veri madencili i ve istatistiksel analiz aras ndaki fark nedir

Veri madenciliği ve istatistiksel analiz arasındaki fark nedir ?

Veri madenciliği sonucu ortaya çıkan

bilgiler içerisinde hiç beklenilmeyen,

olması tahmin bile edilemeyen ilginç

hatta şaşırtıcı sonuçlar bulunmasıdır


Temel rnek

Temel örnek:

Veri madenciliği teknikleri

ile sepet analizi sonucu:

Çocuk bezi alanların %30 u bira da alır


Baz veri madencili i modelleri

Bazı veri madenciliği modelleri

  • Kavram tanımlama

  • Birliktelik kuralları keşfi

  • Sınıflandırma ve tanıma

  • Kümeleme


Veri madencili i hangi yapay zeka tekniklerini kullan r

Veri madenciliği hangi yapay zeka tekniklerini kullanır

  • Yapay sinir ağları

  • Genetik algoritmalar

  • İstatistiksel yaklaşımlar

  • Karar ağaçları

  • Bayes teorisi

  • Bulanık mantık torisi

  • Kaba küme teorisi

  • Yapay bağışıklık sistemleri

  • Destek vektör makinaları

  • ……………………………


Veri madencili i i in izlenilen yol

Veri madenciliği için izlenilen yol

Değerlendirme

Veri madenciliği

Veri Ambarı

Temizleme ve bütünleştirme

Ver

Tabanı

Veri

Tabanı

Dosyalar


T bbi verilerin farkl l klar

Tıbbi verilerin farklılıkları

  • Veri boyutları çok büyüktür ve çok fazla çeşitlilik gösterir (metin, çeşitli örüntüler)

  • Veri dinamiktir

  • Eksik veri bulunabilir

  • Gürültü içerir

  • Geçersiz veri olabilir

  • Önemsiz veri olabilir

  • Yönetimle ilgili veriler bulunabilir

  • Verinin gizlilik özelliği vardır

  • Hastahane verileri tam olarak disklere yerleştirilememiş durumdadır.


Rnek birliktelik kurallar n n ke fi

Örnek: Birliktelik kurallarının keşfi


Yapay zeka teknikleriyle t bbi verilerin lenmesi ver madenc l

Minimum destek =2


Yapay zeka teknikleriyle t bbi verilerin lenmesi ver madenc l

Minimum destek =2


I1 i2 i5 elerinden elde edilen birliktelik kurallar

{I1,I2,I5} öğelerinden elde edilen birliktelik kuralları

Altkümeler: {I1,I2}, {I1,I5}, {I2,I5}, {I1}, {I2}, {I5}

Birliktelik Kuralları:

I1&I2 I5 Güven= 2/4 = %50

I1&I5 I2 Güven= 2/2 = %100

I2&I5  I1 Güven= 2/2 = %100

I1 I2&I5 Güven= 2/6 = %33

I2 I1&I5 Güven= 2/7 = %29

I5 I1&I2 Güven= 2/2 = %100


Yapay zeka teknikleriyle t bbi verilerin lenmesi ver madenc l

{I1,I2,I5} öğelerinden elde edilen birliktelik kuralları

  • I1 & I5  I2 Güven= 2/2 = %100

  • I2 & I5  I1 Güven= 2/2 = %100

  • I5  I1 & I2 Güven= 2/2 = %100

    ( Güven > %70 için )


Yapay zeka teknikleriyle t bbi verilerin lenmesi ver madenc l

Kalp kapakçığı hastalıklarının belirlenmesi

Dopler ses sinyali

Sınıflandırılmış

Çıkışlar

Sınıflandırma

Özellik

çıkarma

Eğiticili

Öğrenme

Veri madenciliği


Sistem veri kaynaklar

Sistem veri kaynakları

  • 95 normal ve 120 normal olmayan vaka sinyali ile çalışılmıştır

  • Yaşları 15 ile 80 arasında değişen yaş ortalaması 48.77 olan 132 erkek ve 83 kadın üzerinde çalışılmıştır

  • 92 sinyal sistemin eğitilmesi için kullanılmıştır

  • 123 sinyal test amacıyla kullanılmıştır


Al ma sonucu

Çalışma sonucu

Normal değerleri tanıma oranı %84

Normal olmayanları tanıma oranı %96


Sokinetik l m d zene i

İsokinetik ölçüm düzeneği


L len test sinyalleri

Ölçülen test sinyalleri


Al ma sonucu1

Çalışma sonucu


Yap lan baz al malar

Yapılan bazı çalışmalar

  • Ontolojide genler üzerine: İfade profillerinden gen fonksiyonlarını tahmin etme

  • Kanser teşhisinde hücre sınıflandırma

  • İnsan üzerinde glikoz ve insilünün etkilerini belirleme

  • Mikroskobik görüntülerin analiz edilmesi

  • ........................................


Yapay zeka teknikleriyle t bbi verilerin lenmesi ver madenc l

Sonuç

  • Veri madenciliği birçok alanda kaçınılmaz olarak kullanılması gereken bir yaklaşımdır

  • Gelişmiş ülkelerde birçok kurum ve kuruluş artık yol haritalarını veri madenciliği teknikleri ile belirlemektedirler ve sadece bu işle ilgili personel istihdam etmeye başlamışlardır


Yapay zeka teknikleriyle t bbi verilerin lenmesi ver madenc l

  • Hekim ve bilim adamlarının karar vermelerinde destek sistemi olarak veri madenciliği uzman sistemleri yoğun şekilde kullanılmaya başlanmıştır

  • Tıbbi cihazlar veri madenciliği yazılım ve donanımları ile üretilir duruma gelmiştir

  • Bazı hastalıklar ve nedenleri veri madenciliği teknikleri ile daha kolay analiz edilir ve tanınır duruma gelmiştir


  • Login