The Investigation of the Success of Different Machine Learning Methods in Breast Cancer Diagnosis

İbrahim ATEŞ; Turgay Tugay BİLGİN

doi:https://doi.org/10.18521/ktd.912462

Makale detayları

The Investigation of the Success of Different Machine Learning Methods in Breast Cancer Diagnosis

Yazarlar:

İbrahim ATEŞ | Turgay Tugay BİLGİN

Yayıncı:

Duzce University

Ana Başlıklar:

Sağlık teşvikleri

Dergi:

Konuralp Medical Journal 2021 Vol.13 Issue 2, pp.347-356

Belge Tipi:

Makale

Yayın Tarihi:

6/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000537294

Sıklık:

Üç Yıllık

eISSN:

1309-3878

pISSN:

1309-3878

DOI:

https://doi.org/10.18521/ktd.912462

Özet:

 

Objective: The aim of this study is to identify cancer earlier in life using machine learning methods.

Methods: For this purpose, the Wisconsin Diagnostic Breast Cancer dataset was classified using Naive Bayes, decision trees, artificial neural networks algorithms and comparison of these machine learning methods was made. KNIME Analytics Platform was used for applications. Before the classification process, the dataset was preprocessed. After the pre-processing stage, three different classifier methods were applied to the dataset. Accuracy, sensitivity, specificity and confusion matrices were used to measure the success of the methods.

Results: The results show that Naive Bayes and artificial neural network methods classify tumors with 96.5% accuracy. The success of the decision tree method in classification was 92.6%.

Conclusion: The machine learning algorithms can be used successfully in breast cancer diagnosis to determine whether the tumors are malign or benign.

 

Amaç: Bu çalışmanın amacı, makine öğrenimi yöntemlerini kullanarak kanseri yaşamın erken dönemlerinde belirlemektir.

Gereç ve Yöntem: Bu amaçla, Wisconsin Diagnostic Breast Cancer veri setinin Naive Bayes, karar ağaçları, yapay sinir ağları ile sınıflandırılması yapılmış ve söz konusu makine öğrenme yöntemleri karşılaştırılmıştır. Uygulamalar için ‘KNIME Analytics Platform’ u kullanılmıştır. Sınıflandırma işlemi yapılmadan önce veri seti ön işlemeden geçirilmiştir. Ön işleme aşamasından sonra, verilere üç farklı sınıflandırıcı yöntem uygulanmıştır. Yöntemlerin başarısını ölçmek için doğruluk, duyarlılık, özgüllük, hata matrisleri ve ROC eğrileri kullanılmıştır.

Bulgular: Uygulama sonuçları, Naive Bayes ve yapay sinir ağı yöntemlerinin tümörleri %96.5 doğrulukla doğru olarak sınıflandırdığını göstermektedir. Karar ağacı yönteminin sınıflandırmadaki başarısı %92.6 olarak elde edilmiştir. Sonuç olarak, her üç modelin üstün doğruluğa sahip sınıflandırma yaptığı söylenebilir.

Sonuç: Makine öğrenme algoritmaları, meme kanseri teşhisinde tümörlerin kötü huylu veya iyi huylu olup olmadığını belirlemek için başarıyla kullanılabilir.

Makale detayları

The Investigation of the Success of Different Machine Learning Methods in Breast Cancer Diagnosis

Yazarlar: İbrahim ATEŞ | Turgay Tugay BİLGİN

Yayıncı: Duzce University

Ana Başlıklar: Sağlık teşvikleri

Dergi: Konuralp Medical Journal 2021 Vol.13 Issue 2, pp.347-356

Belge Tipi: Makale

Yayın Tarihi: 6/2021

Belge Dili: İngilizce

Document ID (Org No.): 2000537294

Sıklık: Üç Yıllık

eISSN: 1309-3878

pISSN: 1309-3878

DOI: https://doi.org/10.18521/ktd.912462

Sayı

Yazarlar:

İbrahim ATEŞ | Turgay Tugay BİLGİN

Yayıncı:

Duzce University

Ana Başlıklar:

Sağlık teşvikleri

Dergi:

Konuralp Medical Journal 2021 Vol.13 Issue 2, pp.347-356

Belge Tipi:

Makale

Yayın Tarihi:

6/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000537294

Sıklık:

Üç Yıllık

eISSN:

1309-3878

pISSN:

1309-3878

DOI:

https://doi.org/10.18521/ktd.912462