Derin öğrenme yöntemleri ile medikal bilgi çıkarımı
Yükleniyor...
Dosyalar
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Ege Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Biyomedikal alandaki artan makale sayısıyla birlikte, hastalıklar ve semptomlar hakkında keşfedilen değerli bilgiler akademik literatürde saklı kalmaktadır. Bu tezde, solunum yolu hastalıkları ve semptomları arasındaki ilişkilerin keşfi, NLP'nin bir alt disiplini olan ilişki çıkarımı yöntemleriyle ele alınmıştır. Bu amaçla, hastalık-semptom bilgileri içeren bilimsel tıp makalelerinin özetlerinden oluşan özgün bir veri seti hazırlanmıştır.Tezde, semantik benzerlik ve graf gömme yöntemlere dayalı yaklaşımlar önerilmiştir. Semantik benzerlik yöntemleri (Kosinüs, Öklid ve Nokta Çarpımı) karşılaştırılarak hastalık-semptom ve hastalık-hastalık ilişkilerini doğru bir şekilde tespit edebilen yöntemler belirlenmiştir. Ayrıca, ilişki çıkarımı, bağlantı tahmini problemi olarak ele alınarak, graf embedding tabanlı yöntemlerin (TransE, DistMult, ComplEx, HolE) büyük dil modelleri ile çıkarımı ve doğrulanmasını içeren yenilikçi bir yaklaşım geliştirilmiştir. Potansiyel bağlantıların doğruluğunu arttırmak amacıyla küme üçgenleri ve varlık sıklığı yöntemlerinin hibrit kullanımı önerilmiştir. Elde edilen sonuçlar semantik benzerlik tabanlı yöntemlerden nokta çarpımı benzerliğinin, graf gömme yöntemlerinden ise TransE ve GPT-4 dil modelinin daha başarılı olduğunu göstermiştir. Bu tezde geliştirilen yöntemler, solunum yolu hastalıkları ve semptomları arasındaki ilişkilerin keşfedilmesiyle klinik karar verme süreçlerine ve tıbbi araştırmalara önemli katkılar sağlama potansiyeline sahiptir.;Medikal Bilgi Çıkarımı, Semantik Benzerlik, Graf Embedding, Büyük Dil Modelleri.;Medical Information Extraction, Semantic Similarity, Graph Embedding, Large Language Models.
Açıklama
Bilgisayar Mühendisliği A.B.D.
Tez elektronik ortamda bulunmaktadır.
Tez elektronik ortamda bulunmaktadır.
