İşitme Kaybı Tahmininde Makine Öğrenmesi Yöntemlerinin Uygulanması ve Karşılaştırılması

Yasin Tatlı

Makale detayları

İşitme Kaybı Tahmininde Makine Öğrenmesi Yöntemlerinin Uygulanması ve Karşılaştırılması

Yazarlar:

Yasin Tatlı

Yayıncı:

Isparta University of Applied Sciences

Ana Başlıklar:

Yapay Zeka (Diğer)

Dergi:

Teknik Bilimler Dergisi Vol.15 Issue 1, pp.21-26

Belge Tipi:

Makale

Yayın Tarihi:

3/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001342404

pISSN:

2146-2119

Anahtar kelimeler:

Özet:

 İşitme kaybının hızlı ve doğru bir şekilde tespiti, bireylerin yaşam kalitesini artırmak, sosyal ve bilişsel fonksiyonları korumak için kritik öneme sahiptir. Geleneksel işitme testleri uzun ve maliyetli süreçler gerektirirken, makine öğrenmesi tabanlı yaklaşımlar, tanıyı hızlandırma ve doğruluğu artırma potansiyeline sahiptir. Bu çalışmada, Logistic Regression, Decision Tree, ExtraTrees, SVM ve Gradient Boosting algoritmaları test edilmiştir. Gradient Boosting ve SVM modelleri 94 ve 93 doğruluk oranlarına ulaşmış; 0.97 precision ve 0.86 recall değerleriyle en iyi sonuçları sağlamıştır. Çalışma, makine öğrenmesinin sağlık bilişiminde işitme kaybı tanısı için güvenilir bir araç olarak kullanılabileceğini gösterirken, erken teşhise yönelik önemli bir katkı sunmaktadır.

 İşitme kaybının hızlı ve doğru bir şekilde tespiti, bireylerin yaşam kalitesini artırmak, sosyal ve bilişsel fonksiyonları korumak için kritik öneme sahiptir. Geleneksel işitme testleri uzun ve maliyetli süreçler gerektirirken, makine öğrenmesi tabanlı yaklaşımlar, tanıyı hızlandırma ve doğruluğu artırma potansiyeline sahiptir. Bu çalışmada, Logistic Regression, Decision Tree, ExtraTrees, SVM ve Gradient Boosting algoritmaları test edilmiştir. Gradient Boosting ve SVM modelleri 94 ve 93 doğruluk oranlarına ulaşmış; 0.97 precision ve 0.86 recall değerleriyle en iyi sonuçları sağlamıştır. Çalışma, makine öğrenmesinin sağlık bilişiminde işitme kaybı tanısı için güvenilir bir araç olarak kullanılabileceğini gösterirken, erken teşhise yönelik önemli bir katkı sunmaktadır.

 İşitme kaybının hızlı ve doğru bir şekilde tespiti, bireylerin yaşam kalitesini artırmak, sosyal ve bilişsel fonksiyonları korumak için kritik öneme sahiptir. Geleneksel işitme testleri uzun ve maliyetli süreçler gerektirirken, makine öğrenmesi tabanlı yaklaşımlar, tanıyı hızlandırma ve doğruluğu artırma potansiyeline sahiptir. Bu çalışmada, Logistic Regression, Decision Tree, ExtraTrees, SVM ve Gradient Boosting algoritmaları test edilmiştir. Gradient Boosting ve SVM modelleri 94 ve 93 doğruluk oranlarına ulaşmış; 0.97 precision ve 0.86 recall değerleriyle en iyi sonuçları sağlamıştır. Çalışma, makine öğrenmesinin sağlık bilişiminde işitme kaybı tanısı için güvenilir bir araç olarak kullanılabileceğini gösterirken, erken teşhise yönelik önemli bir katkı sunmaktadır.

 İşitme kaybının hızlı ve doğru bir şekilde tespiti, bireylerin yaşam kalitesini artırmak, sosyal ve bilişsel fonksiyonları korumak için kritik öneme sahiptir. Geleneksel işitme testleri uzun ve maliyetli süreçler gerektirirken, makine öğrenmesi tabanlı yaklaşımlar, tanıyı hızlandırma ve doğruluğu artırma potansiyeline sahiptir. Bu çalışmada, Logistic Regression, Decision Tree, ExtraTrees, SVM ve Gradient Boosting algoritmaları test edilmiştir. Gradient Boosting ve SVM modelleri 94 ve 93 doğruluk oranlarına ulaşmış; 0.97 precision ve 0.86 recall değerleriyle en iyi sonuçları sağlamıştır. Çalışma, makine öğrenmesinin sağlık bilişiminde işitme kaybı tanısı için güvenilir bir araç olarak kullanılabileceğini gösterirken, erken teşhise yönelik önemli bir katkı sunmaktadır.

Makale detayları

İşitme Kaybı Tahmininde Makine Öğrenmesi Yöntemlerinin Uygulanması ve Karşılaştırılması

Yazarlar:

Yasin Tatlı

Yayıncı:

Isparta University of Applied Sciences

Ana Başlıklar:

Yapay Zeka (Diğer)

Dergi:

Teknik Bilimler Dergisi Vol.15 Issue 1, pp.21-26

Belge Tipi:

Makale

Yayın Tarihi:

3/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001342404

pISSN:

2146-2119

İşitme kaybı

makine öğrenmesi

sınıflandırma modelleri

sağlık bilişimi

Sayı

Makale detayları

İşitme Kaybı Tahmininde Makine Öğrenmesi Yöntemlerinin Uygulanması ve Karşılaştırılması

Yazarlar: Yasin Tatlı

Yayıncı: Isparta University of Applied Sciences

Ana Başlıklar: Yapay Zeka (Diğer)

Dergi: Teknik Bilimler Dergisi Vol.15 Issue 1, pp.21-26

Belge Tipi: Makale

Yayın Tarihi: 3/2025

Belge Dili: Türkçe

Document ID (Org No.): 2001342404

pISSN: 2146-2119

İşitme kaybı

makine öğrenmesi

sınıflandırma modelleri

sağlık bilişimi

Sayı

Yazarlar:

Yasin Tatlı

Yayıncı:

Isparta University of Applied Sciences

Ana Başlıklar:

Yapay Zeka (Diğer)

Dergi:

Teknik Bilimler Dergisi Vol.15 Issue 1, pp.21-26

Belge Tipi:

Makale

Yayın Tarihi:

3/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001342404

pISSN:

2146-2119