Application of artificial neural networks in diagnosis of Hepatitis C

Drobo, Amela; Bećirović, Lemana Spahić; Pokvić, Lejla Gurbeta; Dzambo, Lucija; Bečić, Ervina; Badnjević, Almir; Dogic, Majda; Smajović, Alisa

doi:10.1109/icat54566.2022.9811126

Cited by 2 publications

(2 citation statements)

References 23 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Önerilen YSA-PSO (Parça Sürü Optimizasyonu) yapısı, YSA çıktılarının PSO'nun girdisi olarak kullanarak iki sınıflandırma yönteminin peş peşe çalıştırılmasıyla oluşturulmuştur. Bu sistem ile %97,78 doğruluk elde edilmiştir [25]. Sağ alt karın ağrısı şikâyetiyle gelen 156 hastadan toplanan 9 parametreye göre kurgulanan geri yayılımlı 3 katmanlı YSA çalışmasında; duyarlılık, özgüllük ve pozitif-negatif tahmin değerleri sırasıyla %100, %97,2, %96,0 ve %100 bulunmuştur [26].…”

Section: Literatür Taramasıunclassified

Karaciğer enzimlerinden hastalık tahmini için yapay sinir ağları ve sezgisel yöntem modellerinin performansları: Biyokimya cihazı çıktılarına uygulanması

Çavga

2024

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

Karar verme sistemlerinin sağlık alanında uygulanmasında, gelişen teknolojiyle birlikte, direkt analiz cihazı çıktıları kullanılabilir hale gelmiştir. Veri setinin genişlemesiyle birlikte modellerin doğrulukları da artmaktadır. Bu çalışmada kullanılan veri seti parametreleri nicelik ve nitelik yönünden eski çalışmalara kıyasla gerçek duruma daha yakın ham veriler içermektedir. Karaciğer hastalıklarını tanımlamak için kurulan modeller incelendiğinde uzman görüşü içeren parametreler kullanılması sebebiyle model performansının yanında uzman performansının da etkisi olduğu görülmektedir. Bu çalışmada kullanılan veri seti sınıf değerleri dışında sübjektif verilere yer vermeyerek uzman görüşünü sadece modelin eğitiminde kullanmıştır. Bu sayede model performansının veri setine diğer çalışmalardan daha az bağımlı olacaktır. Gerçek hayat verileri farklı modeller ile çalışılarak, hangi yapıların daha iyi olduğu görülmüştür. Çalışmada yapay sinir ağları ve parçacık sürü optimizasyonu metotları sınıflandırma problemini çözebilmek için eğitilmiş ve test verileri ile sınanarak sonuçlar analiz edilmiştir.

show abstract

Section: Literatür Taramasıunclassified

Karaciğer enzimlerinden hastalık tahmini için yapay sinir ağları ve sezgisel yöntem modellerinin performansları: Biyokimya cihazı çıktılarına uygulanması

Çavga

2024

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

show abstract

“…Study terkait juga membahas tentang klasifikasi penyakit hepatitis C dengan menerapkan beberapa model machine learning seperti SVM, KNN, random forest, naïve bayes, dan logistic regression [8]. Penerapan model lain dengan menggunakan pendekatan deep learning yaitu artificial neural network (ANN) untuk mendeteksi hepatitis C mampu menghasilkan akurasi 97,78% [9]. Study lain membahas tentang evaluasi penerapan berbagai algoritma klasifikasi machine learning untuk deteksi virus hepatitis C, algoritma tersebut adalah naïve bayes, random forest, dan KNN [10].…”

Section: Pendahuluanunclassified

Analisis Penerapan Metode Ensembled Learning Decision Tree Pada Klasifikasi Virus Hepatitis C

Charisma¹,

Pamungkas²,

Saputra³

et al. 2022

JoSYC

View full text Add to dashboard Cite

Hepatitis C virus is a deadly virus that attacks the liver. This virus can cause chronic infections, even 80% of sufferers have experienced an illness. To minimize the risk of exposure to disease caused by the hepatitis C virus, consultation with a doctor or using an intelligent detection system can be conducted. Of course, if used a smart strategy, our need data that already contains parameters related to hepatitis C. This study uses a public dataset that the public can access. So, the purpose of this study is to classify patients with hepatitis C virus using a tree-based algorithm. The results obtained by applying the proposed algorithm are 93% accuracy, 92% precision, and 91% recall. This study also performs comparisons with other methods, namely naive bayes. The results show that the tree-based way is superior.

show abstract

Application of artificial neural networks in diagnosis of Hepatitis C

Cited by 2 publications

References 23 publications

Karaciğer enzimlerinden hastalık tahmini için yapay sinir ağları ve sezgisel yöntem modellerinin performansları: Biyokimya cihazı çıktılarına uygulanması

Karaciğer enzimlerinden hastalık tahmini için yapay sinir ağları ve sezgisel yöntem modellerinin performansları: Biyokimya cihazı çıktılarına uygulanması

Analisis Penerapan Metode Ensembled Learning Decision Tree Pada Klasifikasi Virus Hepatitis C

Contact Info

Product

Resources

About