Computer-aided diagnosis in neonatal lambs

In our country, the number of small ruminant animals is decreasing day by day due to various reasons. In parallel with the decrease in the number of small ruminants, significant decreases are seen in animal production. One way to prevent the reduction in the number of small ruminants is to be able to make successful predictions and analysis related to the diagnosis. Thanks to computer-aided diagnostic studies performed with machine learning, the quality of health services increases while the costs of the health sector decrease. The aim of this study is to perform computer aided diagnosis in neonatal lambs using machine learning methods. Hence in study, decision tree, naive bayes, k-nearest neighbors, artificial neural networks and random forest methods were used. The performances of these classification methods were analyzed with accuracy, balanced accuracy, specifity, recall, F-measure, kappa and area under the ROC curve (AUC) criteria. As a result of the study, the Naive bayes method more successful results than other methods for computer aided diagnosis produced. It is very important that, the Naive bayes method is simple and easy to apply, achieves more successful results than other complex methods.

Yeni doðan kuzularda bilgisayar destekli taný

Ülkemizde küçükbaþ hayvan sayýsý her geçen gün çeþitli sebeplerden dolayý azalmaktadýr. Küçükbaþ hayvan sayýsýnýn azalmasýna paralel olarak, hayvansal üretimde de önemli azalmalar görülmektedir. Küçükbaþ hayvan sayýsýnýn azalmasýný önlemenin bir yolu da hastalýklarla ilgili tahmin ve analizlerin baþarýlý bir þekilde yapýlabilmesidir. Makine öðrenmesi ile yapýlan bilgisayar destekli taný çalýþmalarý sayesinde, saðlýk hizmetlerinin kalitesi artarken saðlýk sektöründeki maliyetler azalmaktadýr. Bu çalýþmanýn amacý makine öðrenmesi yöntemleri ile kuzularda erken hastalýk teþhisi yapmaktýr. Bunun için çalýþmada karar aðaçlarý, saf bayes, k-en yakýn komþu, yapay sinir aðlarý ve rassal orman yöntemleri kullanýlmýþtýr. Bu sýnýflandýrma yöntemlerinin performanslarý doðruluk, dengeli doðruluk, seçicilik, duyarlýlýk, F-ölçütü, kappa ve ROC eðrisi altýnda kalan alan (AUC) ölçütleri ile analiz edilmiþtir. Çalýþma sonucunda bilgisayar destekli taný için Saf bayes yöntemi diðer yöntemlerden daha baþarýlý sonuçlar üretmiþtir. Basit ve uygulamasý kolay olan Saf bayes yöntemin diðer karmaþýk yöntemlerden daha baþarýlý sonuçlar elde etmesi oldukça önemlidir.