Kardiotokogram verisinden fetal iyilik halinin belirlenmesi için bir karar destek sistemi
Loading...
Date
2016-11-27
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Uludağ Üniversitesi
Abstract
Bu çalışmada kardiotogram verisinden fetal iyilik halinin belirlenmesi için bir karar destek sistemi önerilmiştir. Sistem En Küçük Kareler Destek Vektör Makineleri ve Temel Bileşen Analizi üzerinde temellendirilmiştir. Temel Bileşen Analizi yöntemi ile kardiotokogram veri kümesinin boyutu indirgenmiştir. Özellik boyutu indirgenen veri kümesi üzerinde En Küçük Kareler Destek Vektör Makineleri kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Önerilen karar destek sisteminin başarımı UCI Makine Öğrenmesi Ambarlarından alınan kardiotokogram veri kümesi üzerinde 10-katlı Çapraz Doğrulama tekniği kullanılarak incelenmiştir. Deneysel sonuçlar önerilen sistemin %98,74 sınıflandırma doğruluğuna, %98,86 duyarlılık oranına ve %98,73 özgüllük oran ına sahip olduğunu göstermiştir.
In this study, we propose a decision support system for assessment of fetal well-being from cardiotocogram data. The system is based on Principal Component Analysis and Least Squares Support Vector Machines. Principal Component Analysis is used for feature reduction of the cardiotocogram data set. Classification of the data set with reduced features is made by using Least Squares Support Vector Machines. Performance analysis of the proposed system is examined on the cardiotocogram data set availabe on UCI Machine Learning Repository by using 10-fold Cross Validation procedure. Experimetal results show that the proposed system has 98.74% classification accuracy, 98.86% sensitivity and 98.73% specificity rates.
In this study, we propose a decision support system for assessment of fetal well-being from cardiotocogram data. The system is based on Principal Component Analysis and Least Squares Support Vector Machines. Principal Component Analysis is used for feature reduction of the cardiotocogram data set. Classification of the data set with reduced features is made by using Least Squares Support Vector Machines. Performance analysis of the proposed system is examined on the cardiotocogram data set availabe on UCI Machine Learning Repository by using 10-fold Cross Validation procedure. Experimetal results show that the proposed system has 98.74% classification accuracy, 98.86% sensitivity and 98.73% specificity rates.
Description
Keywords
Kardiotokogram, Karar destek sistemi, Destek vektör makineleri, Temel bileşen analizi, Fetal iyilik hali, Cardiotocogram, Decision support system, Support vector machines, Principal component analysis, Fetal well-being
Citation
Yılmaz, E. (2016). "Kardiotokogram verisinden fetal iyilik halinin belirlenmesi için bir karar destek sistemi". Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 21(2), 331-340.