Kan vermeye elverişli donörlerin bilgisayar destekli tespiti

Abstract

nsanlar hayatları boyunca farklı zamanlarda çeşitli sebeplerden dolayı kan ve kan ürünlerine gerek duymaktadırlar. Kan ve kandan elde edilen ürünler laboratuvar koşullarında elde edilemeyip yalnızca insandan elde edildiğinden, hayati önem taşıyan kanın sağlıklı bireylerden sağlanması gerekmektedir. Karaciğer rahatsızlıkları ile ilgili, Hepatit çeşitleri, karaciğer kanseri, karaciğer büyümesi, karaciğer yetmezliği, siroz ve benzeri hastalıklar kanın durumunu belirleyen etmenlerin başında gelir. Bu hastalıklar ilerledikçe telafisi mümkün olmayan zararlara yol açabileceği için erken teşhis edilip tedavi edilmesi ve kan verilecek kişilere de bulaş riskini ortadan kaldırmak için hayati önem arz etmektedir. Son yıllarda birçok alanda kullanılan bilgisayar destekli öğrenme yöntemleri, bu alanda da geleneksel yöntemlere ilaveten hekimlere fikir verici olarak kullanılmaktadır. Bu çalışmada amaç, makine öğrenme yöntemleri ile karaciğer hastalıklarının tespiti ve donörlerin kan bağışı yapmaya elverişli olup olmadıklarını kan değerlerinden tespit etmektir. Sınıflandırma için, Karar Ağaçları, Destek Vektör Makinesi ve k-en yakın komşuluk algoritmaları kullanılıp doğruluk ve gerçek oran performans ölçütleri ile değerlendirilmiştir

People need blood and blood products for various reasons at different times throughout their lives. Since blood and products obtained from blood cannot be obtained in laboratory conditions, but only from humans, vital blood must be obtained from healthy individuals. Hepatitis types, liver cancer, liver enlargement, liver failure, cirrhosis and similar diseases are among the factors that determine the state of the blood. Since these diseases can cause irreparable harm as they progress, it is vital to diagnose and treat early and to eliminate the risk of transmission to those who will be given blood. Computer-aided learning methods, which have been used in many fields in recent years, are also used in this field as an idea for doctors in addition to traditional methods. The aim of this study is to detect liver diseases with machine learning methods and to determine whether donors are suitable for blood donation from blood values. For classification, Decision Trees, Support Vector Machine and k-nearest neighbor algorithms were used and evaluated with accuracy and true rate performance measures.