17.03.2014 Views

I. Uluslararası Sağlıkta Performans ve Kalite Kongresi Bildiriler ...

I. Uluslararası Sağlıkta Performans ve Kalite Kongresi Bildiriler ...

I. Uluslararası Sağlıkta Performans ve Kalite Kongresi Bildiriler ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Şekil 8. Uyarlanabilir bulanık çıkarım sistemi tabanlı ATM test sonuçları<br />

Şekil 9. Yapay sinir ağı tabanlı ATM test sonuçları<br />

4. SONUÇ<br />

Sağlık <strong>ve</strong>risinin doğası gereği normal <strong>ve</strong> suistimal örüntüler dinamiktir, zamanla<br />

değişiklik gösterirler. Tespit sistemi tarafından tanınan suistimal örüntüsü, zaman<br />

içerisinde suistimal yapan kişiler tarafından da fark edilmekte <strong>ve</strong> yeni yöntemler<br />

geliştirerek sistemin açıkları bulunabilmektedir. İdeal bir suistimal tespit sistemi kendi<br />

kendine öğrenebilmeli, gelişen <strong>ve</strong> suistimal – normal örüntülerin değişimine uyum<br />

sağlayabilmelidir. Yapay Sinir Ağı <strong>ve</strong> Uyarlanabilir Bulanık Çıkarım Sistemi (ANFIS)<br />

tabanlı sistemler bunu gerçekleştirebilmektedir. Fakat Akıllı Tespit Modülünde<br />

kullanılan eğitim <strong>ve</strong>rileri, belirli periyotlarla güncellenmeli <strong>ve</strong> model parametreleri<br />

online olarak yeniden eğitilmelidir.<br />

Hastane bilgi sistemlerindeki <strong>ve</strong>rilerin etiketlenmesi ile elde edilen bilgi tabanı Bulanık<br />

Etiketleme Modülüne (BEM)’e ihtiyaç duymadan sadece Akıllı Tespit Modülünü<br />

kullanarak tespit işlemini gerçekleştirebilecektir.<br />

Yapay Sinir Ağı <strong>ve</strong> Uyarlanabilir Bulanık Çıkarım Sistemi (ANFIS) tabanlı Akıllı Tespit<br />

Modüllerin performanslarının karşılaştırılması neticesinde, Yapay Sinir Ağı yönteminin<br />

daha hızlı <strong>ve</strong> yüksek doğruluğa sahip sonuçlar ürettiği görülmüştür. Buna karşın<br />

Uyarlanabilir Bulanık Çıkarım Sistemi (ANFIS) yönteminin doğruluk oranının daha<br />

düşük olduğu <strong>ve</strong> eğitim işleminin daha uzun sürdüğü tespit edilmiştir.<br />

Ortaya konan model, klasik suistimal tespit süreçlerine göre kat kat hızlı olmakla<br />

birlikte yüksek hacimli <strong>ve</strong>rilerin işlenmesinde oldukça başarılıdır. Bu çalışma sayesinde<br />

361

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!