Matches in SemOpenAlex for { <https://semopenalex.org/work/W2803014702> ?p ?o ?g. }
Showing items 1 to 59 of
59
with 100 items per page.
- W2803014702 endingPage "93" @default.
- W2803014702 startingPage "85" @default.
- W2803014702 abstract "Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:Table Normal; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:; mso-padding-alt:0in 5.4pt 0in 5.4pt; mso-para-margin-top:0in; mso-para-margin-right:0in; mso-para-margin-bottom:8.0pt; mso-para-margin-left:0in; line-height:107%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:Calibri,sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:Times New Roman; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} Günümüzde Kardiyovasküler Hastalıklar oldukça yaygındır ve ölüm nedenlerinin başında gelmektedir. Kardiyovasküler Hastalıkların bir tipi olan Koroner Arter Hastalığının doğru ve zamanında teşhisi çok önemlidir. Koroner arter hastalığının kesin tanısı ve hastalık şiddetinin saptanmasında invaziv bir yöntem olan anjiyografi altın standart olarak kullanılmaktadır. Anjiyografi, maliyeti yüksek ve ileri seviyede uzmanlık gerektiren bir yöntem olmasının yanında ciddi komplikasyonlara da sebep olabilmektedir. Bu nedenlerle daha ucuz ve etkili bir yaklaşım sağlayabilecek olan veri madenciliğinin kullanımı üzerinde çalışmalar yapılmaktadır. Bu çalışmada Koroner Arter Hastalığı riskinin tespitinde bir sınıflama modeli geliştirmek için veri madenciliği yaklaşımı uygulanmıştır. Çalışma kapsamında sınıflandırma yöntemleri ile elde edilen sonuçlar ve doğru sınıflandırma oranları karşılaştırılmıştır. Bunun için Cleveland kliniğine ait, 303 kayıt ve 14 değişken içeren kalp hastalığı veri kümesi kullanılmıştır. Gerekli hesaplamalar ve modelleri elde etmek için Weka paket programında 1R, J48 Karar Ağacı, Naive Bayes ve Çok katmanlı yapay sinir ağı (YSA) sınıflandırma yöntemleri uygulanmıştır. Uygulama sonucunda Koroner Arter Hastalığının tespitinde en iyi sonucun %83,498 doğruluk oranı ile Çok katmanlı YSA sınıflandırma yöntemi ile elde edildiği görülmüştür. Çok katmanlı YSA algoritmasını Naive Bayes ve Düzenlenmiş J48 Karar Ağacı algoritmaları izlemiştir." @default.
- W2803014702 created "2018-05-17" @default.
- W2803014702 creator A5008930926 @default.
- W2803014702 creator A5022985201 @default.
- W2803014702 creator A5039200728 @default.
- W2803014702 creator A5046427540 @default.
- W2803014702 date "2018-01-29" @default.
- W2803014702 modified "2023-09-25" @default.
- W2803014702 title "Identification of Coronary Artery Disease Risk Using Data Mining Techniques" @default.
- W2803014702 cites W1850308234 @default.
- W2803014702 cites W1980177930 @default.
- W2803014702 cites W2020176002 @default.
- W2803014702 cites W2028558436 @default.
- W2803014702 cites W2103069675 @default.
- W2803014702 cites W2147273498 @default.
- W2803014702 cites W2411631905 @default.
- W2803014702 cites W3121967541 @default.
- W2803014702 doi "https://doi.org/10.29137/umagd.419663" @default.
- W2803014702 hasPublicationYear "2018" @default.
- W2803014702 type Work @default.
- W2803014702 sameAs 2803014702 @default.
- W2803014702 citedByCount "5" @default.
- W2803014702 countsByYear W28030147022020 @default.
- W2803014702 countsByYear W28030147022021 @default.
- W2803014702 countsByYear W28030147022022 @default.
- W2803014702 crossrefType "journal-article" @default.
- W2803014702 hasAuthorship W2803014702A5008930926 @default.
- W2803014702 hasAuthorship W2803014702A5022985201 @default.
- W2803014702 hasAuthorship W2803014702A5039200728 @default.
- W2803014702 hasAuthorship W2803014702A5046427540 @default.
- W2803014702 hasBestOaLocation W28030147021 @default.
- W2803014702 hasConcept C126322002 @default.
- W2803014702 hasConcept C2778213512 @default.
- W2803014702 hasConcept C29456083 @default.
- W2803014702 hasConcept C71924100 @default.
- W2803014702 hasConceptScore W2803014702C126322002 @default.
- W2803014702 hasConceptScore W2803014702C2778213512 @default.
- W2803014702 hasConceptScore W2803014702C29456083 @default.
- W2803014702 hasConceptScore W2803014702C71924100 @default.
- W2803014702 hasLocation W28030147021 @default.
- W2803014702 hasLocation W28030147022 @default.
- W2803014702 hasOpenAccess W2803014702 @default.
- W2803014702 hasPrimaryLocation W28030147021 @default.
- W2803014702 hasRelatedWork W1999344589 @default.
- W2803014702 hasRelatedWork W2042629756 @default.
- W2803014702 hasRelatedWork W2076650786 @default.
- W2803014702 hasRelatedWork W2321971973 @default.
- W2803014702 hasRelatedWork W2737884982 @default.
- W2803014702 hasRelatedWork W2789448498 @default.
- W2803014702 hasRelatedWork W2793659313 @default.
- W2803014702 hasRelatedWork W4220660297 @default.
- W2803014702 hasRelatedWork W4379791111 @default.
- W2803014702 hasRelatedWork W2994454448 @default.
- W2803014702 isParatext "false" @default.
- W2803014702 isRetracted "false" @default.
- W2803014702 magId "2803014702" @default.
- W2803014702 workType "article" @default.