EUVIMEDEUVIMED entdecken
Crossref

Kalp yetmezliği erken teşhisinde çok aşamalı topluluk öğrenmesi yöntemlerinin performans analizi

Zekeriya Katılmış, Berke Kuruoğlu

Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi · 31.07.2026 · 28 (2) · 718-737

DOI: 10.25092/baunfbed.1878226 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi, online erschienen am 31.07.2026. Verfasst von Zekeriya Katılmış und 1 weiteren Autor:innen. Die Arbeit nennt 34 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kalp yetmezliği, küresel ölçekte önde gelen ölüm nedenlerinden biri olup, hastalığın erken evrede doğru teşhis edilmesi hasta sağkalımı açısından hayati önem taşımaktadır. Ancak, klinik veri setlerinde sıklıkla karşılaşılan sınıf dengesizliği (class imbalance) ve gereksiz değişkenlerin varlığı, makine öğrenmesi modellerinin tahmin başarısını, özellikle riskli vakaların tespitinde (duyarlılık) olumsuz etkilemektedir. Bu çalışmada, söz konusu problemleri aşmak ve yüksek performanslı bir klinik karar destek sistemi geliştirmek amacıyla çok aşamalı hibrit bir makine öğrenmesi mimarisi önerilmiştir. Önerilen yöntem; hiperparametre optimizasyonu (Randomized SearchCV), hibrit veri dengeleme (SMOTE + RUS) ve hibrit özellik seçimi (Filter + Wrapper) tekniklerinin entegrasyonuna dayanmaktadır. Çalışma kapsamında, altı farklı tekil algoritma ve yedi farklı topluluk (ensemble) öğrenmesi modelinin performansları, doğruluk, kesinlik, duyarlılık, F1-skoru ve işlem süreleri açısından karşılaştırmalı olarak analiz edilmiştir. Deneysel sonuçlar, hibrit örnekleme stratejisinin uygulanmasıyla modellerin "Ölüm" vakalarını tespit etme yeteneğinde belirgin bir artış sağlandığını göstermiştir. Yapılan kapsamlı değerlendirmeler sonucunda; orijinal veri setindeki özellik seçimi ile LGBM Classifier modeli, beş katlı çapraz doğrulama testlerinde %85.04 ortalama doğruluk ve %74.43 duyarlılık oranı ile en kararlı ve başarılı model olarak belirlenmiştir. Ayrıca modelin 0.44 saniye gibi çok düşük bir işlem süresine sahip olması, gerçek zamanlı klinik uygulamalar için uygunluğunu kanıtlamaktadır. Bu çalışma, hibrit veri işleme tekniklerinin doğru konfigürasyonunun, tıbbi teşhis problemlerinde model güvenilirliğini ve hesaplama verimliliğini önemli ölçüde artırdığını ortaya koymaktadır.

Zitieren

APA

Katılmış, Z., & Kuruoğlu, B. (2026). Kalp yetmezliği erken teşhisinde çok aşamalı topluluk öğrenmesi yöntemlerinin performans analizi. Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 28(2), 718-737. https://doi.org/10.25092/baunfbed.1878226

Vancouver

Katılmış Z, Kuruoğlu B. Kalp yetmezliği erken teşhisinde çok aşamalı topluluk öğrenmesi yöntemlerinin performans analizi. Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi. 2026;28(2):718-737. doi:10.25092/baunfbed.1878226

BibTeX
@article{Katlm2026,
  author = {Katılmış, Zekeriya and Kuruoğlu, Berke},
  title = {Kalp yetmezliği erken teşhisinde çok aşamalı topluluk öğrenmesi yöntemlerinin performans analizi},
  journal = {Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi},
  year = {2026},
  volume = {28},
  number = {2},
  pages = {718--737},
  doi = {10.25092/baunfbed.1878226}
}
Kostenlos starten →