Aşırı öğrenme makineleri ile beta talasemi ve demir eksikliği anemisinin ayırt edilmesi

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 β-talasemi özellikleri gibi genetik hastalıklar, doğru ve zamanında tanı gerektirir. Tez çalışmasında demir eksikliği anemisi(IDA) ve β-talasemi ayırt etmek amacı ile aşırı öğrenme makineleri(ELM) ve düzenli aşırı öğrenme makineleri(RELM) yöntemleriyle araştırılmıştır. Demir eksikliği anemisini, β-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.