Kanser Teşhisi için Makine Öğrenmesi Tekniklerine Dayalı Yeni Bir Sınıflandırma Metodu

Can EYÜPOĞLU; Erdem YAVUZ

Makale detayları

Kanser Teşhisi için Makine Öğrenmesi Tekniklerine Dayalı Yeni Bir Sınıflandırma Metodu

Yazarlar:

Can EYÜPOĞLU | Erdem YAVUZ

Yayıncı:

Bilecik Seyh Edebali University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Bilecik Seyh Edebali University Journal of Science 2020 Vol.7 Issue 2, pp.1106-1123

Belge Tipi:

Makale

Yayın Tarihi:

12/2020

Belge Dili:

Türkçe

Document ID (Org No.):

2000891376

Sıklık:

İki Yıllık

eISSN:

2458-7575

Anahtar kelimeler:

Özet:

 

One of the major causes of human death is cancer. Breast cancer is the main reason for cancer deaths among women. Early diagnosis is the way to reduce deaths due to this cancer type. One of the main objectives of the use of expert systems, artificial intelligence and machine learning techniques in medicine is to assist doctors in early diagnosis of diseases. Among cancer types, the risk of death can be greatly reduced by early diagnosis, especially in breast cancer. In this study, a new cancer diagnosis method based on Principal Component Analysis (PCA) and Feed Forward Neural Network (FFNN) has been proposed. The performance of the proposed method is tested on the Breast Cancer Coimbra Dataset (BCCD) with classification accuracy, precision, recall and F-measure metrics. Besides, the comparative performance analysis of the proposed method with conventional machine learning techniques and studies in the literature is performed. Experimental results show that the proposed method is effective and can be utilized by doctors for early diagnosis.

 

İnsan ölümlerinin en büyük nedenlerinden biri kanserdir. Kadınlar arasındaki kanser ölümlerinin başlıca sebebi ise meme kanseridir. Bu kanser türü sebebiyle yaşanan ölümleri azaltmanın yolu erken teşhistir. Uzman sistemler, yapay zeka ve makine öğrenmesi tekniklerinin tıp alanında kullanılmasının temel amaçlarından biri hastalıkları erken teşhis etmede doktorlara yardımcı olmaktır. Kanser türleri arasında özellikle meme kanserinde erken teşhis sayesinde ölüm riski büyük oranda düşürülebilir. Bu çalışmada temel bileşen analizi (Principal Component Analysis-PCA) ve ileri beslemeli sinir ağı (Feed Forward Neural Network-FFNN) temelli yeni bir kanser teşhisi yöntemi önerilmiştir. Önerilen yöntemin performansı Meme Kanseri Coimbra Veri Seti (Breast Cancer Coimbra Dataset-BCCD) üzerinde sınıflandırma doğruluğu, kesinlik, duyarlılık ve F-ölçütü metrikleri ile test edilmiştir. Ayrıca önerilen yöntemin klasik makine öğrenmesi teknikleri ve literatürdeki çalışmalar ile ayrıntılı olarak karşılaştırmalı performans analizi yapılmıştır. Deneysel sonuçlar önerilen yöntemin etkin olduğunu ve erken teşhis için doktorlar tarafından kullanılabileceğini göstermektedir.

Makale detayları

Kanser Teşhisi için Makine Öğrenmesi Tekniklerine Dayalı Yeni Bir Sınıflandırma Metodu

Yazarlar:

Can EYÜPOĞLU | Erdem YAVUZ

Yayıncı:

Bilecik Seyh Edebali University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Bilecik Seyh Edebali University Journal of Science 2020 Vol.7 Issue 2, pp.1106-1123

Belge Tipi:

Makale

Yayın Tarihi:

12/2020

Belge Dili:

Türkçe

Document ID (Org No.):

2000891376

Sıklık:

İki Yıllık

eISSN:

2458-7575

Kanser Teşhisi

Meme Kanseri

Makine Öğrenmesi

Temel Bileşen Analizi

İleri Beslemeli Sinir Ağı

Sayı

Makale detayları

Kanser Teşhisi için Makine Öğrenmesi Tekniklerine Dayalı Yeni Bir Sınıflandırma Metodu

Yazarlar: Can EYÜPOĞLU | Erdem YAVUZ

Yayıncı: Bilecik Seyh Edebali University

Ana Başlıklar: Uygulamalı fizik

Dergi: Bilecik Seyh Edebali University Journal of Science 2020 Vol.7 Issue 2, pp.1106-1123

Belge Tipi: Makale

Yayın Tarihi: 12/2020

Belge Dili: Türkçe

Document ID (Org No.): 2000891376

Sıklık: İki Yıllık

eISSN: 2458-7575

Kanser Teşhisi

Meme Kanseri

Makine Öğrenmesi

Temel Bileşen Analizi

İleri Beslemeli Sinir Ağı

Sayı

Yazarlar:

Can EYÜPOĞLU | Erdem YAVUZ

Yayıncı:

Bilecik Seyh Edebali University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Bilecik Seyh Edebali University Journal of Science 2020 Vol.7 Issue 2, pp.1106-1123

Belge Tipi:

Makale

Yayın Tarihi:

12/2020

Belge Dili:

Türkçe

Document ID (Org No.):

2000891376

Sıklık:

İki Yıllık

eISSN:

2458-7575