A Fast Intelligent Diagnosis System for Thyroid Diseases Based on Extreme Learning Machine

Kaya, Yılmaz

doi:10.18038/btd-a.89202

Cited by 4 publications

(3 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…They used the decision tree algorithm called ID3 algorithm to build the system. Diagnosis of thyroid gland disorders by assessing the data of thyroid in clinical applications comes out as an important classification problem [8]. For these kinds of classification problems researchers have conducted many studies by constructing different types of models.…”

Section: Literature Reviewmentioning

confidence: 99%

Decision Support for Diagnosing Thyroid Diseases using Machine Learning

Jayamini¹,

Weerasinghe²

2021

IJSRP

View full text Add to dashboard Cite

This research was carried out to compare the applicability of machine learning techniques in a way to support decision making in Thyroid disease diagnosis. In this research work, two types of machine learning algorithms; Multilayer perceptron Neural Network with Back-propagation and Random Forest were used, and a comparison of their performance was done to identify the most suitable machine learning algorithm which can be used to assist the diagnostic process of Thyroid diseases. Each of the models developed under the two machine learning techniques were trained and tested using two thyroid datasets from the UCI machine learning repository. The performance of the models was evaluated using the performance measures, Accuracy (%), Mean Absolute Error, Root Mean Squared Error, True Positive rate, False Positive rate, Precision and Recall.

show abstract

Section: Literature Reviewmentioning

confidence: 99%

Decision Support for Diagnosing Thyroid Diseases using Machine Learning

Jayamini¹,

Weerasinghe²

2021

IJSRP

View full text Add to dashboard Cite

show abstract

“…Yeh [18], UCI veritabanından tiroit bezi veri kümesini çıkarmak için geliştirilmiş, Basitleştirilmiş Sürü Optimizasyonu (SSO) kullanılarak yeni bir kural tabanlı sınıflandırıcı tasarım yöntemi kullanmıştır. Hipotiroidi teşhisi için Kaya [19]…”

Section: Yazin Taramasi (Literature Review)unclassified

Hipotiroidi Hastalığı Teşhisinde Sınıflandırma Algoritmalarının Kullanımı

Akgül

Çelik

Aydin

et al. 2020

Bilişim Teknolojileri Dergisi

View full text Add to dashboard Cite

Hastalık teşhisi, tıp alanında karşılaşılan en önemli problemlerden biridir. Belirli bir hastalığın farklı türlerinin ve diğer hastalıklarla benzer semptomlarının olması hastalığın teşhisini zorlaştırmaktadır. Tiroit hastalığı çeşitlerinden biri olan hipotiroidi de bu sebeplerle teşhisi geciken ve hastaların yaşam kalitesini düşüren bir hastalıktır. Bu çalışmanın amacı, tanı sürecinde hastalara sorulan soru ve uygulanan test sonuçlarını kullanarak hipotiroidi hastalığının doğru teşhis oranını arttıracak veri madenciliği temelli bir sistem önermektir. Diğer amaç ise dolaylı olarak teşhis için kullanılan girişimsel testlerden oluşabilecek komplikasyonları azaltmaktır. Bu amaçlar doğrultusunda UCI makine öğrenmesi veri tabanında yer alan ve 151 tanesi hipotiroidi geri kalanı hipotiroidi olmayan toplam 3163 örnekten oluşan veri seti kullanılarak yeni örneklerin hipotiroidi olup olmadığı tahmin edilmiştir. Veri setindeki dengesiz dağılımı ortadan kaldırmak için veri setine farklı örnekleme teknikleri uygulanarak Lojistik Regresyon, K En Yakın Komşu ve Destek Vektör Makinesi sınıflandırıcıları ile hipotiroidi hastalığını teşhis edecek modeller oluşturulmuştur. Bu yönüyle, çalışma örnekleme yöntemlerinin hipotiroidi hastalığı teşhisi üzerindeki etkisini göstermiştir. Geliştirilen modeller içinde en yüksek performansı, aşırı örnekleme teknikleri uygulanan veri seti ile eğitilen Lojistik Regresyon sınıflandırıcısı vermiştir. Bu sınıflandırıcı ile elde edilen en iyi sonuçlar; doğruluk oranı için %97.8, F-Skor değeri için %82.26, eğri altında kalan alan için %93.2 ve Matthews korelasyon katsayısı için de %81.8'dir.

show abstract

“…Li et al [31] PCA-ELM 97.73 (mean-10-fold-CV) 98.10 (10-fold-CV) Dina et al [32] CBR 99.53 Kaya [33] ELM (70-30% training-test) 96.79…”

Section: First Stagementioning

confidence: 99%

Ensemble sınıflamdırıcı tabamlı mobil tiroit tanısı

Solmaz

Alkan

Günay

2020

DÜMF Mühendislik Dergisi

View full text Add to dashboard Cite

The thyroid gland plays a major role in many metabolic activities of the human body. Thyroid disease, which is quite common in humans, affects people's quality of life significantly. Early diagnosis is very important for taking precautions. The mobile diagnostic system can be the solution for early diagnosis especially in rural areas or without going to health institution. This study has been proposed to enable people with mobile devices to obtain quick information about the disease or to seek medical assistance in any matter without going to the hospital. Functional thyroid diagnosis system is designed using mobile device, Android based software application, Database (SQL) and Server (MATLAB based decision algorithms). With the system, functional thyroid disease can be diagnosed using an android based mobile device. Different classification algorithms were searched for the most accurate diagnosis and Ensemble method which has a high success rate for thyroid disease was used in the system. Ensemble classification technique reached a success rate of 99.06% and 99.08% for the first and second data group, respectively. These success rates were calculated by using gold standard test and results were compared with the literature. Obtained test results showed that, the proposed mobile diagnosis system could be used for the diagnosis of the functional thyroid. At the same time, this system can be developed for different diseases.

show abstract

A Fast Intelligent Diagnosis System for Thyroid Diseases Based on Extreme Learning Machine

Cited by 4 publications

References 18 publications

Decision Support for Diagnosing Thyroid Diseases using Machine Learning

Decision Support for Diagnosing Thyroid Diseases using Machine Learning

Hipotiroidi Hastalığı Teşhisinde Sınıflandırma Algoritmalarının Kullanımı

Ensemble sınıflamdırıcı tabamlı mobil tiroit tanısı

Contact Info

Product

Resources

About