Search

Introduction: The study was conducted to evaluate the knowledge level of artificial intelligence (AI) students of vocational high school of health services, who will be in the area of health in the future. Materials and Methods: The universe of this descriptive online survey study consisted of 1148 health services vocational school students who received face-to-face education. The sample consisted of 712 students (62.02%) who agreed to participate after being informed about the research. The study was carried out on a voluntary basis in a single center. In order to obtain the study data, the questionnaire consisted of 20 questions, including questions aimed at measuring the demographic characteristics of the participants and their level of knowledge on AI. Results: The mean age of the participants was 20.86 ± 3.40 and 78.9% of them were female. The highest participation in our study was from the students of Child Development (21.2%) and Optician programs (14.04%) and 2nd year (57,86%) students. 95.1% of the participants stated that they were aware of the concept of AI, the most common way of learning the concept of AI was the media (46.5%) and the Internet (44.5%), only 3.4% of them received training on AI. Conclusion: In our study, it was determined that students' knowledge about AI was insufficient. Additions can be made to the education curriculum of students on AI, which may be one of the applications of the future., Amaç: Çalışma, gelecekte sağlık alanında yer alacak olan sağlık hizmetleri meslek yüksekokulu öğrencilerinin yapay zeka (YZ) hakkında bilgi düzeylerinin değerlendirilmesi amacıyla yapıldı. Yöntem: Bu tanımlayıcı online anket çalışmasının evrenini yüz yüze eğitim gören 1148 sağlık hizmetleri meslek yüksekokulu öğrencisi oluşturdu. Örneklemi ise araştırma hakkında bilgilendirildikten sonra katılmayı kabul eden 712 öğrenci (%62,02) oluşturdu. Çalışma tek merkezde gönüllülük esasına göre yapıldı. Çalışma verilerini elde etmek için anket formu, katılımcıların demografik özelliklerini ve YZ konusundaki bilgi düzeylerini ölçmeyi hedefleyen soruları içeren toplam 20 sorudan oluştu. Bulgular: Katılımcıların yaş ortalaması 20,86 ± 3,40 olup, %78,9’u kadın cinsiyette idi. Çalışmamızda en fazla katılım, Çocuk Gelişimi (%21,2) ve Optisyenlik programları (%14,04) öğrencileri ve 2.sınıf (%57,86) öğrencilerindendi. Katılımcıların %95,1’i YZ kavramından haberdar olduğunu, en sık YZ kavramını öğrenme yolunun medya (%46,5) ve internet olduğunu (%44,5) ve sadece %3,4’ü YZ konusunda eğitim aldığını belirtti. Sonuç: Çalışmamızda öğrencilerin YZ konusundaki bilgilerinin yetersiz olduğu saptandı. Geleceğin uygulamalarından olabilecek YZ konusunda öğrencilerin eğitim müfradat ilaveleri yapılabilir.

The amount of data in World Wide Web is growing exponentially. Users areoften lost in this vast ocean of data. In order to filter the valuableinformation from vast amount of data, recommendation systems are used. Thesesystems are based on collaborative filtering, content based filtering andhybrid approaches. We combined collaborative and content-based filtering tobuild a hybrid movie recommendation system, MovieANN, based on neural networkmodel. To make better recommendations in a collaborative approach, both userand movie clusters are formed. In addition to rating information, contentinformation was also considered in the formation of the clusters. Clusters areformed according to K-Means and X-Means algorithms. Final clusters are chosenaccording to Davies-Bouldin Index and intra cluster distance. Homogeneity anddensity of the clusters are also considered. Movie and user clusters are mappedin the recommendation phase. The model is tested on a MoiveLens 1M dataset thatconsists of six thousand users, four thousand movies and one million ratings.Four clusters are formed to represent movie – user mappings and for eachcluster, a recommendation model based on multi-layer neural network isconstructed. The recommendation performance in terms of accuracy is 84.52%,84.54% in terms of precision and 99.98% in terms of recall., İnternetteki veri miktarı gün geçtikçe katlanarak artmaktadır. Kullanıcılarbu geniş veri okyanusunda sıklıkla kaybolmaktadır. Bu yüksek miktardaki hamveriden önemli bilgiyi filtrelemek için öneri sistemleri kullanılır. Busistemler işbirlikçi filtrelemeye, içeriğe dayalı filtrelemeye ve hibrityaklaşımlara dayanmaktadır. Bu çalışmada yapay sinir ağına dayalı hibrit birfilm öneri sistemi olan MovieANN, işbirlikçi ve içerik tabanlı filtrelemekullanılarak gerçekleştirilmiştir. İşbirlikçi bir yaklaşımla daha iyi önerileryapmak için hem kullanıcı hem de film kümeleri oluşturulmuştur. Kümeleroluşturulurken rating bilgisine ek olarak içerik bilgisi de dikkate alınmıştır.Kümeleme için K-Means ve X-Means algoritmaları kullanılmıştır. Son kümeler, Davies-Bouldin Endeksi ve kümeiçi mesafelerine göre seçilir. Kümeler oluşturulurken homojenlik ve yoğunluk dagöz önünde bulundurulmuştur. Öneri adımında film ve kullanıcı kümelerieşleştirilir. İlgili model, altı bin kullanıcı, dört bin film ve bir milyonratingden oluşan MoiveLens 1M veri kümesinde test edilmiştir. Film kullanıcıeşlemelerini temsil etmek için dört küme ve her küme için çok katmanlı sinirağını temel alan bir öneri modeli oluşturulmuştur. Modelin öneri performansıdoğruluk olarak % 84,52, kesinlik açısından % 84,54 ve geri çağırmada %99,98'dir.

In this study a model of K-Means - Decision Tree is presented to increase the multiclassification performance. This model is tested on glaucoma dataset, the accuracy and the are under ROC curve is calculated as 0.808, 0.839 respectively., Bu çalışma çoklu sınıflandırmada performans artırımı için K-Ortalama ve Karar Ağacı yöntemlerinden oluşan bir model sunmaktadır. Model glukom veri kümesi üzerinde test edilmiş kesinlik ölçütü 0,808, ROC alanı 0,839 bulunmuştur.

Bütünsel genom ilişkilendirme çalışmaları karmaşık hastalıklar ve SNPler arasındaki ilişkileri keşfetmektedir. Bu çalışmalar yüksek miktarda çok boyutlu veri sunmaktadır. Ayrıca SNPler, hastalıklar ve fenotipler arasındaki ilişkiler genellikle doğrusal değildir. Yüksek miktarlı çok boyutlu verilerle çalışmak ve aralarındaki ve doğrusal olmayan ilişkileri bulabilmek için veri madenciliğine ihtiyaç duyulmaktadır. Genotip ve fenotip bilgilerini birleştirerek bunlar üzerinde çıkarsama yapan, karar ağacı ve destekçi vektör makinasından oluşan bir hibrid sistem tasarlanmıştır. Tasarlanan model NCBIın dbGaP veritabanından indirilmiş olan prostat ve melanoma veri kümeleri üzerinde denenmiştir. Prostat veri kümesinde sadece genotip bilgileri kullanıldığında %71,67lik kesinlik sonucu, sadece fenotip bilgileri kullanıldığında %84,3 kesinlik sonucu; genotip ve fenotip bilgileri birleştirildiğinde ise %93,81?e yükselen kesinlik sonucu elde edilmiştir. Melanoma veri kümesinde sadece genotipler kullanıldığında %57,12, sadece fenotip bilgileri kullanıldığında %75,18 ve fenotip ile genotip bilgileri birleştirildiğinde %86,35lik bir kesinlik sonucu elde edilmiştir. Prostat üzerinde çalıştırılan sistem, %90.92lik duyarlılık ve 0.91lik ROC eğrisi altında kalan alan ile Prostata Özel Antijen Testine üstünlük göstermiştir. Melanoma için ise hibrid modelin seçmiş olduğu fenotip ve genotip özellikleri bundan önceki çalışmalarda incelenmiş olup bu durum kurulan hibrid sistemin melanoma için en ayırt edici özellikleri seçme yetisi olduğunu göstermektedir. Bu sayede melanoma için kurulan hibrid sistemin risk gruplarını ayırt etme potansiyeli bulunmaktadır.Anahtar Kelimeler: Bütünsel Genom İlişkilendirme Çalışmaları, Karar Ağacı, Destek Vektör Makinası, Prostat Kanseri, Melanoma Through Genome Wide Association Studies (GWAS) many SNP-complex disease relations have been investigated so far. GWAS presents high amount high dimensional data and relations between SNPs, phenotypes and diseases are most likely to be nonlinear. In order to handle high volume-high dimensional data and to be able to find the nonlinear relations, data mining approaches are needed. A hybrid feature selection model of support vector machine and decision tree has been designed. This model also combines the genotype and phenotype information to increase the diagnostic performance. The model is tested on prostate cancer and melanoma data that have been downloaded from NCBIs dbGaP database. On prostate cancer data the hybrid system performed 71.67% accuracy on data set consists of only genotypes, 84.23% accuracy on data set consists of only phenotypes and when genotyping and phenotypes are integrated accuracy increased to 93.81%. On melanoma data, the hybrid system performed 57.12% accuracy for only genotypes, 75.48% accuracy for only phenotypes and when genotyping and phenotypes are integrated accuracy increased to 86.35%. For prostate cancer case the hybrid systems has performance indicators of 90.92% of sensitivity and 0.91 AUC, which outperforms Prostate Specific Antigen (PSA) test. In melanoma case selected phenotypic and genotypic features were also examined by previous studies that shows the ability of the system to select most predictive features so the hybrid system on melanoma case has a potential to be used for identifying the risk groups.Keywords: Genome Wide Association Studies, Decision Tree, Support Vector Machine, Prostate Cancer, Melanoma 180

Klinik karar destek sistemleri; klinik kararlarda destek sağlayan bilgisayarprogramlarıdır. Bu sistemler hekimlere, hastalara ait özel klinik bilgileri dikkate alarak kararverebilmeleri için yardım eder. Klinik karar destek sistemleri; sağlık bakım hizmetlerininkalitesini geliştirme, erken teşhis, hataları önleme, uygun tedavi ve maliyetlerin azaltılmasıgibi konularda büyük faydalar sağlayabilir. Tıp alanının oldukça geniş olmasından dolayı butür sistemler sadece belirli bir alt dalda teşhis desteği verebilmektedir.Bu tür sistemlerin oluşturulmasına 1970'lerde başlanmış ve 80'lerdeki Yapay Zekaakımı ile en uç noktasına ulaşılmıştır. Daha sonra pek de üzerinde durulmayan bu konu sonyıllarda yaşanan teknolojik gelişmelerle (özellikle işlemci güçleri ve saklama alanlarınınartması) tekrar gündeme gelmiştir. Tıp alanında teşhis desteği veren sistemler geliştirilirkenYapay Sinir Ağları, Bulanık Mantık, Kural Tabanlı Yaklaşım ve Bayes Ağları gibi yöntemlertercih edilmiştir.Tez kapsamında yukarıda bahsi geçen teknikler incelenmiş ve Bayes Ağ yapısı ile birteşhis destek sistemi oluşturulmuştur. Bu sistem tiroit hastalıkları üzerinde geliştirilmiş olupfarklı tiroit çeşitlerini teşhis edebilmektedir. Sistemin oluşturulabilmesi için elektronik veelektronik olmayan hasta kayıtlarından yararlanılmıştır. Ayrıca ilgili hastalığın teşhisinegidilirken uygulanacak testler, hangi konsültasyonların yapılacağı ve ilgi bulguların tanıyayaklaşık hangi oranda katkıda bulunduğu alan uzmanlarının yardımı alınarak belirlenmiştir.Bu çalışmanın ileriki zamanlarda geliştirilecek olan melez teşhis sisteminin birbacağını oluşturması planlanmaktadır. Bu melez sistem, kural tabanlı yaklaşım ile Bayesağlarını birleştirecek bir yapıdır. Her iki alt modülün kendisine ait çıkarsama mekanizmasıolacak ve elde edilen sonuçlar verilecek ağırlıklara göre doğrusal olarak birleştirilerek ilgiliteşhisler kullanıcıya sıralanacaktır.Anahtar Kelimeler: Karar verme, Karar destek sistemleri, Klinik karar destek sistemleri,Yapay Zeka, Kural Tabanlı Sistemler, Bayes Ağları Medical Decision Support Systems are the software programs that help cliniciansduring the diagnostic process. These systems help clinicians to diagnose the patients under thegiven individual patient data. Medical Decision Support Systems bring a great value to qualityof patient care by early diagnosis, preventing errors, appropriate treatment. By this way costsare cut in the field of medicine. Since the field of medicine is very large this kind of systemscan handle only a subpart of the medical domain.Medical Syetems are started to be constructed by 1970?s. They had a over the toppopularity parallel to the Artifical Intelligence trend in 1980?s. After that, this topic had lostits popularity. But nowadays with the rapid development of technology (especiallydevelopment of the powerful hig speed processors and huge memory spaces), decisionsupport in the medical field become one of the interesting research area for academicians andsoftware developpers. Artifical Neural Networks, Fuzzy Logic, Rule Based Methods andBayesian Networks can be used to develop medical decision systems.In this thesis, methods mentioned above are explained and a decision support system isdevelop by using Bayesian Networks. This system covers the domain of thyroid diseases. Itcan diagnose different kind of thyroid illness. To construct such a system some electronicpatient records and traditionally kept(on the text) patient records are used. Help of a domainexpert is taken to determine the tests to be applied, consultations to be made and which of thesymptoms and findings effect the diagnosis process much.By this thesis a sub module of a hybrid diagnostic system is developped. This hybridsystem will combine a rule based module and bayesian network module. Both systems willhave their own inference mechanisms, results taken from both modules will be combinedlinearly under given weights then these results will be given to users.Keywords: Decision, Decision Support Systems, Medical Decision Support, ArtificalIntelligence, Rule Based System, Bayesian Network 192

Günümüzde bulaşıcı olmayan hastalıkların büyük bir çoğunluğunun genetik temeller ile ortaya çıktığı fark edilmiştir fakat buna rağmen hangi hastalıklara hangi genetik bozuklukların etki ettiği büyük oranda bilinmemektedir. Gelişen teknoloji sayesinde hastalıklar ve genetik özellikler hakkında çok fazla veriye sahibiz. Özellikle Bütünsel Genom İlişkilendirme Çalışmaları (BGİÇ) yüksek miktarda veri sunmaktadır. Bu büyüklükteki verilerin işlenmesi ve sağlıklı çıkarsamalarda bulunulması için veri madenciliğine ihtiyaç duyulmaktadır.İlgili tez çalışmasında mesane kanserinin oluşumunda hangi genetik bozuklukların etkili olduğu makine öğrenmesi yöntemlerinden yapay sinir ağları kullanılarak tespit edilmesi amaçlanmıştır. Bu sayede hastalığın erken teşhisinin başarı oranı artacak ve erken müdahale sayesinde tedavilerin başarı şansının da artması sağlanacaktır. Bu doğrultuda Keras ortamında oluşturulan yapay sinir ağı modeli % 83.57 başarım oranı göstermiştir. İlgili model mesane kanseri ile rs872873 tekli nükleotit polimorfizmi arasında güçlü bir ilişki tespit etmiştir. Anahtar sözcükler: Veri Madenciliği, Makine Öğrenmesi, Mesane Kanseri, Bütünsel Genom İlişkilendirme Çalışmaları Today, we know that the genetic factors cause non-contagious diseases. However, the genetic causes of these diseases are not known in a great extent. With advancing technology our knowledge on diseases and genetics increases. In particular, genome-wide association studies provide high amount of data. In order to process this data mining is required.In this thesis, we aim to determine the genetic factors that cause bladder cancer by using artificial neural network. This model will increase the success rate of the diagnosis and so the effectiveness of the treatments. With this aim, an artificial neural network model is constructed with Keras. The accuracy of the model is %85.57 and the most important single-nucleotide polymorphism is rs872873.Keywords: Data Mining, Machine Learning, Bladder Cancer, Genome Wide Association 49

İlgili tez çalışmasında doğal dil işleme çalışmaları kapsamında Türkçe sözcüklerin sağdan sola taranarak tüm çekim eklerinin sonlu durum makineleri ile tanımlanan ekleme kurallarına ve en uzun eşleşme mantığına göre sözcük sonundan atılarak sözcüğün türemiş son halinin, gövdesinin, bulunmasını amaçlayan bir yöntem geliştirilmiştir. Geliştirilen Gövde-Türk Yöntemi, gelecek doğal dil işleme çalışmalarının temeli niteliğinde olup bu kapsamda farklı amaçlara hizmet edebilecek uygulamalarda bir araç olarak kullanılabilecektir. Önerilen yöntem, platform bağımsız Java programlama dilinde geliştirilmiş olup bu sayede ilgili yöntemin farklı uygulamalara kolayca entegre edilebilmesi sağlanmıştır. Sözlük veri yapısı olarak ise trie metin ağacı kullanılmış olup bu sayede ilgili yöntemin diğer yöntemlerden daha hızlı olması hedeflenmiştir. Yapılan analizler sonucunda geliştirilen Gövde-Türk gövdeleme yönteminin %97 oranında başarılı olduğu, yan ürün olarak geliştirilen etiketleme algoritmasının ise %93 oranında başarılı olduğu görülmüştür. Within the scope of natural language processing activities, this thesis study presents a stemming method for Turkish Language that searches inflectional suffixes at the end of the words and eliminate them according to the rules provided by finite state machines and longest match manner.The developed Gövde-Türk method is the basis of future natural language processing work and can be used as a tool in applications that can serve different purposes in this context. The proposed method has been developed in a platform independent Java programming language, so that the method can be easily integrated into different applications. The trie text tree is used as the dictionary data structure and the aim of this method is to be faster than the other methods.As a result of the analyzes, it was seen that the developed `Gövde-Türk` stemming method was 97% successful and the labeling algorithm developed as a byproduct was 93% successful. 107