Parçacık Sürü Optimizasyonu Kullanılarak Boyutu Azaltılmış Mikrodizi Verileri Üzerinde Makine Öğrenmesi Yöntemleri ile Prostat Kanseri Teşhisi

Serhat Kılıçarslan; Kemal Adem; Onur Cömert

doi:10.29130/dubited.464092

TR EN

Parçacık Sürü Optimizasyonu Kullanılarak Boyutu Azaltılmış Mikrodizi Verileri Üzerinde Makine Öğrenmesi Yöntemleri ile Prostat Kanseri Teşhisi

Abstract

Mikrodizi verilerine dayanan veri madenciliği analizi, hastalık teşhisi ve farmakoloji alanlarında kullanılmaktadır. Analiz aşamasında yaşanan en önemli zorluk, mikrodizilerin yüksek boyutlu olması ve çok sayıda gereksiz öznitelik içermesidir. Bu nedenle çalışmada kullandığımız prostat kanseri mikrodizi veri kümesi üzerinde öznitelik boyut azaltılması amacıyla Temel bileşenler analizi (TBA) ve Parçacık sürü optimizasyonu (PSO) kullanılmıştır. Bu sayede hastalıkları etkileyen genler tespit edilmektedir. Boyutu azaltılmış veri kümeleri Destek Vektör Makinesi ve k-En Yakın Komşuluk sınıflayıcı yöntemlerine giriş olarak verilmiş ve sınıflandırma başarı sonuçları değerlendirilmiştir. Sonuç olarak PSO boyut azaltma yöntemi ile prostat kanserinde etkin genler belirlenmiş ve 50 öznitelik ile %95.77 başarı elde edilmiştir.

Keywords

Mikrodizi,Prostat Kanseri,Temel bileşen analizi,Parçacık sürü optimizasyonu

References

[1] H. Liu, I. Bebu and X. Li, "Microarray probes and probe sets," Frontiers in bioscience (Elite edition), vol. 2, pp. 325-338, 2010. [2] H.U. Luleyap, "The Principles of Moleculer Genetics," İzmir, Türkiye: Nobel Yayınevi, 2008.
[3] K. Ipekdal, “Microarray Technology,” (2018, 10 Aralık). [Online]. Available: http://yunus.hacettepe.edu.tr/ ~mergen/sunu/s_mikroarrayan decology.pdf.
[4] M. A. Hall and L. A. Smith, "Practical feature subset selection for machine learning", In Computer science’98 proceedings of the 21st Australasian computer science conference ACSC, 1998, pp. 181-191.
[5] B. Sahu, and D. Mishra, "A novel feature selection algorithm using particle swarm optimization for cancer microarray data," Procedia Engineering, vol. 38, pp. 27-31, 2012.
[6] S. Kar, , K. D. Sharma and M. Maitra, "Gene selection from microarray gene expression data for classification of cancer subgroups employing PSO and adaptive K-nearest neighborhood technique," Expert Systems with Applications, vol.42, no.1, pp. 612-627, 2015.
[7] H. Banka and S.A Dara, "Hamming distance based binary particle swarm optimization (HDBPSO) algorithm for high dimensional feature selection, classification and validation," Pattern Recognition Letters, vol. 52, pp. 94-100, 2015.
[8] P. Yasodha and N. R. Ananthanarayanan, "Analysing big data to build knowledge based system for early detection of ovarian cancer," Indian Journal of Science and Technology, vol. 8, no. 14, 2015.
[9] K. H. Chen, K. J. Wang, M. L. Tsai, K. M. Wang, A. M. Adrian, W. C. Cheng, ... and K. S. Chang, "Gene selection for cancer identification: a decision tree model empowered by particle swarm optimization algorithm," BMC bioinformatics, vol. 15, no. 1, pp. 49, 2014.
[10] O. Inan, M. S. Uzer, and N. Yılmaz, "A new hybrid feature selection method based on association rules and PCA for detection of breast cancer," International Journal of Innovative Computing, Information and Control, vol. 9, no. 2, pp. 727-729, 2013.
[11] M. Kaya, H. Ş. Bilge ve O. Yıldız, "Gen ifadelerinde Öz Nitelik Seçimi ve Boyut İndirgeme, 21. IEEE Sinyal İşleme ve İletişim Uygulamaları Kurultayı SIU2013, Haspolat, Türkiye, 2013.

[12] D. Singh, P. G. Febbo, K. Ross, D. G. Jackson, J. Manola, C. Ladd, ... and E. S. Lander, "Gene expression correlates of clinical prostate cancer behavior," Cancer cell, vol. 1, no. 2, pp. 203-209, 2002.
[13] H. Göker ve H. Tekedere, "Fatih Projesine Yönelik Görüşlerin Metin Madenciliği Yöntemleri İle Otomatik Değerlendirilmesi," Bilişim Teknolojileri Dergisi, c. 10, s. 3, ss. 291-299, 2017.
[14] Y. Saeys, I. Inza, and P. Larrañaga, "A review of feature selection techniques in bioinformatics," bioinformatics, vol. 23, no. 19, pp. 2507-2517, 2007.
[15] I. T. Jolliffe, "Principal component analysis and factor analysis," In Principal component analysis, pp. 115-128, 1986.
[16] J. Kennedy, and R. Eberhart,"PSO optimization," In Proc. IEEE Int. Conf. Neural Networks, 1995, pp. 1941-1948
[17] B. Xue, M. Zhang, & W. N. Browne, "Particle swarm optimisation for feature selection in classification: Novel initialisation and updating mechanisms," Applied Soft Computing, vol. 18, pp. 261-276, 2014.
[18] V. Vapnik, “The nature of statistical learning theory,” Springer-Verlag: New York, 1995, pp. 75-100.
[19] E. Karacan, "Hastalıkların Uyarlanmış Destek Vektör Makinesiyle Teşhis Edilmesi, " Yüksek Lisans Tezi, Bilgisayar Mühendisliği, Ondokuz Mayıs Üniversitesi, Samsun, Türkiye, 2015.
[20] S. A. Dudani, "The distance-weighted k-nearest-neighbor rule," IEEE Transactions on Systems, Man and Cybernetics, vol. 6, no. 4, pp. 325–327, 1976.

Details

Primary Language

Turkish

Subjects

Engineering

Journal Section

Research Article

Authors

Serhat Kılıçarslan ^*
0000-0001-9483-4425
Türkiye

Kemal Adem

Onur Cömert

Publication Date

January 31, 2019

Submission Date

September 26, 2018

Acceptance Date

January 21, 2019

Published in Issue

Year 2019 Volume: 7 Number: 1

DOI

https://doi.org/10.29130/dubited.464092

IZ

https://izlik.org/JA98PF84JS

APA

Kılıçarslan, S., Adem, K., & Cömert, O. (2019). Parçacık Sürü Optimizasyonu Kullanılarak Boyutu Azaltılmış Mikrodizi Verileri Üzerinde Makine Öğrenmesi Yöntemleri ile Prostat Kanseri Teşhisi. Duzce University Journal of Science and Technology, 7(1), 769-777. https://doi.org/10.29130/dubited.464092

AMA

1.Kılıçarslan S, Adem K, Cömert O. Parçacık Sürü Optimizasyonu Kullanılarak Boyutu Azaltılmış Mikrodizi Verileri Üzerinde Makine Öğrenmesi Yöntemleri ile Prostat Kanseri Teşhisi. DUBİTED. 2019;7(1):769-777. doi:10.29130/dubited.464092

Chicago

Kılıçarslan, Serhat, Kemal Adem, and Onur Cömert. 2019. “Parçacık Sürü Optimizasyonu Kullanılarak Boyutu Azaltılmış Mikrodizi Verileri Üzerinde Makine Öğrenmesi Yöntemleri Ile Prostat Kanseri Teşhisi”. Duzce University Journal of Science and Technology 7 (1): 769-77. https://doi.org/10.29130/dubited.464092.

EndNote

Kılıçarslan S, Adem K, Cömert O (January 1, 2019) Parçacık Sürü Optimizasyonu Kullanılarak Boyutu Azaltılmış Mikrodizi Verileri Üzerinde Makine Öğrenmesi Yöntemleri ile Prostat Kanseri Teşhisi. Duzce University Journal of Science and Technology 7 1 769–777.

IEEE

[1]S. Kılıçarslan, K. Adem, and O. Cömert, “Parçacık Sürü Optimizasyonu Kullanılarak Boyutu Azaltılmış Mikrodizi Verileri Üzerinde Makine Öğrenmesi Yöntemleri ile Prostat Kanseri Teşhisi”, DUBİTED, vol. 7, no. 1, pp. 769–777, Jan. 2019, doi: 10.29130/dubited.464092.

ISNAD

Kılıçarslan, Serhat - Adem, Kemal - Cömert, Onur. “Parçacık Sürü Optimizasyonu Kullanılarak Boyutu Azaltılmış Mikrodizi Verileri Üzerinde Makine Öğrenmesi Yöntemleri Ile Prostat Kanseri Teşhisi”. Duzce University Journal of Science and Technology 7/1 (January 1, 2019): 769-777. https://doi.org/10.29130/dubited.464092.

JAMA

1.Kılıçarslan S, Adem K, Cömert O. Parçacık Sürü Optimizasyonu Kullanılarak Boyutu Azaltılmış Mikrodizi Verileri Üzerinde Makine Öğrenmesi Yöntemleri ile Prostat Kanseri Teşhisi. DUBİTED. 2019;7:769–777.

MLA

Kılıçarslan, Serhat, et al. “Parçacık Sürü Optimizasyonu Kullanılarak Boyutu Azaltılmış Mikrodizi Verileri Üzerinde Makine Öğrenmesi Yöntemleri Ile Prostat Kanseri Teşhisi”. Duzce University Journal of Science and Technology, vol. 7, no. 1, Jan. 2019, pp. 769-77, doi:10.29130/dubited.464092.

Vancouver

1.Serhat Kılıçarslan, Kemal Adem, Onur Cömert. Parçacık Sürü Optimizasyonu Kullanılarak Boyutu Azaltılmış Mikrodizi Verileri Üzerinde Makine Öğrenmesi Yöntemleri ile Prostat Kanseri Teşhisi. DUBİTED. 2019 Jan. 1;7(1):769-77. doi:10.29130/dubited.464092