Diagnosis of coronary artery disease with machine learning approaches

Dünya Sağlık Örgütü'nün verilerine göre, koroner arter hastalığı(KAH), bilinen ölüm nedenlerinin önde gelen sebeplerinden biridir. KAH, kalp yüzeyinde bulunan ve kalbin kan ihtiyacını karşılayan koroner arter damarlarının tıkanması sonucunda oluşmaktadır. Hastalığın geleneksel yöntemlerle teşhis edilmesi zordur ve maliyetli testlerin yapılmasını gerektirmektedir. Son yıllarda alternatif teşhis yöntemi olarak makine öğrenimi tabanlı yöntemlerin kullanımı artmıştır. Ancak, mevcut literatürdeki çalışmalar düşük tespit oranları ve uzun eğitim sürelerinden muzdariptir. Bu nedenle, güvenilir ve düşük maliyetli teşhis yöntemlerine olan ihtiyaç devam etmektedir. Bu tez çalışmasında, koroner arter hastalığının teşhisi için yeni bir model, CSA-PSO-ANN, önerilmektedir. Önerilen yöntem ile makine öğrenimi modelinin eğitim süresinin kısaltılması ve hastalığın daha yüksek doğruluk oranı ile teşhis edilebilmesi amaçlanmaktadır. Bu tez çalışmasında deneyler halka açık iki veriseti üzerinde gerçekleştirilmiştir. Model eğitim süresini kısaltmak için paralleştirme, öznitelik seçimi ve hiperparametre optimizasyonu yapılmıştır. Model performansı literatürde bilinen makine öğrenimi algoritmaları ve geçmiş çalışmalarla karşılaştırılmıştır. Yapılan deneyler sonucunda, önerilen modelin hastalığın teşhisi konusunda etkili çalıştığı ve diğer yöntemlere göre doğruluk ve F1 skoru performans ölçümlerinde daha iyi sonuçlar elde ettiği görülmüştür.