AŞIRI ÖĞRENME MAKİNELERİ İLE BETA TALASEMİ VE DEMİR EKSİKLİĞİ ANEMİSİNİN AYIRT EDİLMESİ

Abstract

Bilgisayar destekli sistemler yalnızca doktorlara yardımcı olmakla kalmaz, aynı zamanda hata oranlarını da en aza indirir. Bu sistemlerin amacı düşünebilmektir ve karar verebilmektir. Bu amaçla makine öğrenimi ve yapay sinir ağları gibi yöntemler kullanılmıştır. Bu çalışmalar donanım kısıtlamaları nedeniyle bir durgunluk dönemine girdikten sonra, donanımın geliştirilmesiyle derin ağ araştırmaları başladı. Derin sinir ağları, her bir katman için geri yayılım algoritması uygulayarak büyük boyutlu verilerden gizli olan verileri ayırt ederek çıkartmaktadır. Ayrıca derin öğrenme yöntemlerinde özellik çıkarma ihtiyacı ortadan kalkmıştır. Fonksiyon, sisteme girilen veri setinden otomatik olarak silinir. Diğer bir avantajı da genelleştirilebilmesidir. Bir problem için oluşturulan yöntem başka bir probleme de uygulanabilir. Derin öğrenme yöntemleri, bu avantajları sağlamak için büyük miktarda eğitim verisi gerektirir. Doğal dil işleme, konuşma işleme ve görüntü işleme için gerekli gereksinimler karşılandığında ve derin öğrenme yöntemleri uygulandığında başarılı sonuçlar ve doğru kararlar alınırken, yapay zeka ve makine öğrenimi yöntemlerinin geride kaldığı görülmüştür. Demir eksikliği anemisi (IDA) vücuda giren demirin hemoglobin üretmek için yetersiz olduğu bir olmasıdır. Bu hastalık ülkemizde ve dünya da en sık görülen anemi türüdür. Demir eksikliği anemisi (IDA) genetik bir hastalık olmasa da talasemi, kırmızı kan hücrelerinin ömrünü kısaltan kalıtsal bir özelliktir. Talasemi, hemoglobin oluşumunu düzenleyen genlerdeki anormalliklerin sonucudur. Talasemi taraması, talasemili çocuğu olabilecek çiftleri bulmayı amaçlayan bir girişimdir. Bu amaca ulaşmak için aynı tip talasemili deneklerin belirlenmesi gerekir. Hastalığın teşhisi için uygun tıbbi tedavinin sağlanması çok önemlidir. Demir eksikliği (IDA) anemisi ve ?-talasemi özellikleri gibi genetik hastalıklar, doğru ve zamanında tanı gerektirir. Tez çalışmasında demir eksikliği anemisi(IDA) ve ?-talasemi ayırt etmek amacı ile aşırı öğrenme makineleri(ELM) ve düzenli aşırı öğrenme makineleri(RELM) yöntemleriyle araştırılmıştır. Demir eksikliği anemisini, ?-talasemi özelliğinden ayırt etmek için yapılan bu çalışma ile literatürde sinyal işleme yöntemleri ve makine öğrenmesi yöntemleri yazılımsal yöntemlerle sonuçlandırılmıştır. Önerilen yöntemle yapılan bu proje sonucunda yöntemimizin daha hızlı ve daha az maliyetle yüksek performans sağladığı görülmektedir.Computer-aided systems not only assist doctors, but also minimize error rates. The purpose of these systems is to be able to think and make decisions. For this purpose, methods such as machine learning and artificial neural networks have been used. After these studies entered a period of recession due to hardware constraints, deep network research began with the development of the hardware. Deep neural networks distinguish and extract hidden data from large data by applying a back propagation algorithm for each layer. In addition, the need to extract features in deep learning methods has disappeared. The function is automatically deleted from the data set entered into the system. Another advantage is that it can be generalized. The method created for one problem can be applied to another problem. Deep learning methods require large amounts of training data to provide these benefits. When the necessary requirements for natural language processing, speech processing and image processing are met and when deep learning methods are applied, successful results and correct decisions are taken, while artificial intelligence and machine learning methods are behind. Iron deficiency anemia (IDA) is one in which iron entering the body is insufficient to produce hemoglobin. This disease is the most common type of anemia in our country and in the world. Although iron deficiency anemia (IDA) is not a genetic disease, thalassemia is an inherited feature that shortens the lifespan of red blood cells. Thalassemia is the result of abnormalities in the genes that regulate hemoglobin formation. Thalassemia screening is an attempt to find couples who may have children with thalassemia. To achieve this goal, subjects with the same type of thalassemia must be identified. It is very important to provide appropriate medical treatment for the diagnosis of the disease. Genetic diseases such as iron deficiency (IDA) anemia and-thalassemia traits require accurate and timely diagnosis. In this thesis study, in order to distinguish iron deficiency anemia (IDA) and ?-thalassemia, excessive learning machines (ELM) and regular extreme learning machines (RELM) were investigated. With this study conducted to distinguish iron deficiency anemia from its-thalassemia feature, signal processing methods and machine learning methods in the literature have been concluded with software methods. As a result of this project made with the proposed method, it is seen that our method provides high performance faster and with less cost.