Research Article
BibTex RIS Cite

İşitme Kaybı Tahmininde Makine Öğrenmesi Yöntemlerinin Uygulanması ve Karşılaştırılması

Year 2025, Volume: 15 Issue: 1, 21 - 26, 13.03.2025

Yasin Tatlı

https://doi.org/10.35354/tbed.1580891

Abstract

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.

Keywords

İşitme kaybı makine öğrenmesi sınıflandırma modelleri sağlık bilişimi

References

  • [1]Gathman, T. J., Choi, J. S., Vasdev, R. M., Schoephoerster, J. A., & Adams, M. E. (2023). Machine learning prediction of objective hearing loss with demographics, clinical factors, and subjective hearing status. Otolaryngology–Head and Neck Surgery, 169(3), 504-513.
  • [2]Abd Ghani, M. K., Noma, N. G., Mohammed, M. A., Abdulkareem, K. H., Garcia-Zapirain, B., Maashi, M. S., & Mostafa, S. A. (2021). Innovative artificial intelligence approach for hearing-loss symptoms identification model using machine learning techniques. Sustainability, 13(10), 5406.
  • [3]Bing, D., Ying, J., Miao, J., Lan, L., Wang, D., Zhao, L., ... & Wang, Q. (2018). Predicting the hearing outcome in sudden sensorineural hearing loss via machine learning models. Clinical Otolaryngology, 43(3), 868-874.
  • [4]Park, K. V., Oh, K. H., Jeong, Y. J., Rhee, J., Han, M. S., Han, S. W., & Choi, J. (2020). Machine learning models for predicting hearing prognosis in unilateral idiopathic sudden sensorineural hearing loss. Clinical and experimental otorhinolaryngology, 13(2), 148-156.
  • [5]Lenatti, M. (2019). Automated detection of hearing loss by machine learning approaches applied to speech-in-noise testing for adult hearing screening.
  • [6]Boven, C., Roberts, R., Biggus, J., Patel, M., Matsuoka, A. J., & Richter, C. P. (2023). In-situ hearing threshold estimation using Gaussian process classification. Scientific reports, 13(1), 14667.
  • [7]Ma, J., Seo, J. H., Moon, I. J., Park, M. K., Lee, J. B., Kim, H., ... & Hong, M. (2023). Auditory brainstem response data preprocessing method for the automatic classification of hearing loss patients. Diagnostics, 13(23), 3538.
  • [8]Lenatti, M., Moreno-Sánchez, P. A., Polo, E. M., Mollura, M., Barbieri, R., & Paglialonga, A. (2022). Evaluation of machine learning algorithms and explainability techniques to detect hearing loss from a speech-in-noise screening test. American Journal of Audiology, 31(3S), 961-979.
  • [9]Kaggle, Hearing Test Classification Problem, Erişim Bağlantısı: https://www.kaggle.com/datasets/prasenjitsharma/hearing-test-classification-problem/data. Erişim Tarihi: 30.10.2024
  • [10]Çınaroğlu, S. (2017). Sağlik Harcamasinin Tahmininde Makine Öğrenmesi Regresyon Yöntemlerinin Karşilaştirilmasi. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 22(2), 179-200.
  • [11]Emre, İ. E., Taş, C., & Erol, Ç. (2021). Psikiyatride makine öğrenmesi yöntemlerinin kullanımı. Psikiyatride Güncel Yaklaşımlar, 13(2), 332-353.
  • [12]Kaya, U., Yılmaz, A., & Dikmen, Y. (2019). Sağlık alanında kullanılan derin öğrenme yöntemleri. Avrupa Bilim ve Teknoloji Dergisi, (16), 792-808.
  • [13]Mustul, E. E., & Doğan, M. (2022). İşitme kaybı olan çocuklarda yürütücü işlevler araştırmaları üzerine bir sistematik derleme. Ankara Üniversitesi Eğitim Bilimleri Fakültesi Özel Eğitim Dergisi, 23(1), 165-189.
  • [14]Akmeşe, P. P. (2015). Doğuştan İleri/Çok İleri Derecede İşitme Kayıplı Çocukların. Ege Eğitim Dergisi, 16(2), 392-407.
  • [15]Işıl, O. R. A. N., Kemaloğlu, Y., Gökdoğan, Ç., Gündüz, B., & Bilgin, C. (2015). İşitme kayıplı çocukların gelişimsel alanlardaki performans düzeylerinin Gazi Erken Çocukluk Değerlendirme Aracı ile incelenmesi. Gazi Üniversitesi Gazi Eğitim Fakültesi Dergisi, 34(3), 563-582.

Year 2025, Volume: 15 Issue: 1, 21 - 26, 13.03.2025

Yasin Tatlı

https://doi.org/10.35354/tbed.1580891

Abstract

References

  • [1]Gathman, T. J., Choi, J. S., Vasdev, R. M., Schoephoerster, J. A., & Adams, M. E. (2023). Machine learning prediction of objective hearing loss with demographics, clinical factors, and subjective hearing status. Otolaryngology–Head and Neck Surgery, 169(3), 504-513.
  • [2]Abd Ghani, M. K., Noma, N. G., Mohammed, M. A., Abdulkareem, K. H., Garcia-Zapirain, B., Maashi, M. S., & Mostafa, S. A. (2021). Innovative artificial intelligence approach for hearing-loss symptoms identification model using machine learning techniques. Sustainability, 13(10), 5406.
  • [3]Bing, D., Ying, J., Miao, J., Lan, L., Wang, D., Zhao, L., ... & Wang, Q. (2018). Predicting the hearing outcome in sudden sensorineural hearing loss via machine learning models. Clinical Otolaryngology, 43(3), 868-874.
  • [4]Park, K. V., Oh, K. H., Jeong, Y. J., Rhee, J., Han, M. S., Han, S. W., & Choi, J. (2020). Machine learning models for predicting hearing prognosis in unilateral idiopathic sudden sensorineural hearing loss. Clinical and experimental otorhinolaryngology, 13(2), 148-156.
  • [5]Lenatti, M. (2019). Automated detection of hearing loss by machine learning approaches applied to speech-in-noise testing for adult hearing screening.
  • [6]Boven, C., Roberts, R., Biggus, J., Patel, M., Matsuoka, A. J., & Richter, C. P. (2023). In-situ hearing threshold estimation using Gaussian process classification. Scientific reports, 13(1), 14667.
  • [7]Ma, J., Seo, J. H., Moon, I. J., Park, M. K., Lee, J. B., Kim, H., ... & Hong, M. (2023). Auditory brainstem response data preprocessing method for the automatic classification of hearing loss patients. Diagnostics, 13(23), 3538.
  • [8]Lenatti, M., Moreno-Sánchez, P. A., Polo, E. M., Mollura, M., Barbieri, R., & Paglialonga, A. (2022). Evaluation of machine learning algorithms and explainability techniques to detect hearing loss from a speech-in-noise screening test. American Journal of Audiology, 31(3S), 961-979.
  • [9]Kaggle, Hearing Test Classification Problem, Erişim Bağlantısı: https://www.kaggle.com/datasets/prasenjitsharma/hearing-test-classification-problem/data. Erişim Tarihi: 30.10.2024
  • [10]Çınaroğlu, S. (2017). Sağlik Harcamasinin Tahmininde Makine Öğrenmesi Regresyon Yöntemlerinin Karşilaştirilmasi. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 22(2), 179-200.
  • [11]Emre, İ. E., Taş, C., & Erol, Ç. (2021). Psikiyatride makine öğrenmesi yöntemlerinin kullanımı. Psikiyatride Güncel Yaklaşımlar, 13(2), 332-353.
  • [12]Kaya, U., Yılmaz, A., & Dikmen, Y. (2019). Sağlık alanında kullanılan derin öğrenme yöntemleri. Avrupa Bilim ve Teknoloji Dergisi, (16), 792-808.
  • [13]Mustul, E. E., & Doğan, M. (2022). İşitme kaybı olan çocuklarda yürütücü işlevler araştırmaları üzerine bir sistematik derleme. Ankara Üniversitesi Eğitim Bilimleri Fakültesi Özel Eğitim Dergisi, 23(1), 165-189.
  • [14]Akmeşe, P. P. (2015). Doğuştan İleri/Çok İleri Derecede İşitme Kayıplı Çocukların. Ege Eğitim Dergisi, 16(2), 392-407.
  • [15]Işıl, O. R. A. N., Kemaloğlu, Y., Gökdoğan, Ç., Gündüz, B., & Bilgin, C. (2015). İşitme kayıplı çocukların gelişimsel alanlardaki performans düzeylerinin Gazi Erken Çocukluk Değerlendirme Aracı ile incelenmesi. Gazi Üniversitesi Gazi Eğitim Fakültesi Dergisi, 34(3), 563-582.
There are 15 citations in total.

Details

Primary Language Turkish
Subjects Artificial Intelligence (Other)
Journal Section Makaleler
Authors

Yasin Tatlı

Publication Date March 13, 2025
Submission Date November 7, 2024
Acceptance Date February 26, 2025
Published in Issue Year 2025 Volume: 15 Issue: 1

Cite

APA Tatlı, Y. (2025). İşitme Kaybı Tahmininde Makine Öğrenmesi Yöntemlerinin Uygulanması ve Karşılaştırılması. Teknik Bilimler Dergisi, 15(1), 21-26. https://doi.org/10.35354/tbed.1580891
 Download Cover Image