Yıl 2019, Cilt 19 , Sayı 3, Sayfalar 894 - 901 2019-12-31

Dermatolojik Verilerin Öz Düzenleyici Harita ve Destek Vektör Makinaları ile Sınıflandırılması
Classification of Dermatological Data with Self Organizing Maps and Support Vector Machine

Uğur FİDAN [1] , Esma UZUNHİSARCIKLI [2] , İsmail ÇALIKUŞU [3]


İnsan derisinin özellikle farklı kimyasallara maruz kaldığı günümüzde dermatolojik hastalıkların görülme sıklığı da buna paralel olarak artış göstermektedir. Birçok deri hastalığı incelendiğinde birçoğu ortaya çıkış sebepleri farklı olmasına karşın şekil ve görünüş açısından benzerlik taşımaktadır. Dermatolojide, Erythemato-squamos hastalıklarına ayırt edici tanı koyulması doktorların sıkça karşılaştığı bir durumdur. Doktorlar klinik bulgular ile histopatolojik parametreleri birlikte değerlendirerek hastalıkları birbirinden ayırt etmeye ve teşhis koymaya çalışmaktadır. Konu ile ilgili birçok araştırmacı UCI veri tabanından alınan ve tanısını konmuş veriler ile hastalıkların sınıflandırılması ve kümelenmesi üzerine farklı algoritmalar geliştirmiştir. Bu çalışmada önceki çalışmalardan farklı olarak 6 farklı Erythamo Squamos deri hastalığına ait klinik ve histopatolojik bulgular SOM ağına ayrı ayrı uygulanarak kümelenmiştir. Bu kümeleme işleminin sonucunda  Psoriasis - Cronic Dermatitis ve Seborreic Dermatitis - Pitriasis Rosea hastalıkları aynı küme içerisinde kaldığı ve tanıların karıştırıldığı tespit edilmiştir. Bu karışmayı önlemek için hastalıkların klinik ve histopatolojik bulguları ayrı ayrı SOM yöntemi ile kümelenmiştir. Klinik ve histopatolojik bulgulara ait kümelenme parametreleri kullanılarak SVM ile sınıflandırılma yapılmıştır. Yapılan çalışma sonucunda karıştırılan Psoriasis - Cronic Dermatitis hastalıkları arasında F1 sokuru 0.89 doğruluğu 0.93 olarak ve Seborreic Dermatitis - Pitriasis Rosea hastalıkları arasında F1 sokuru 0.79 doğruluğu 0.80 olarak sınıflandırma başarımı sağlanmıştır.

The frequency incidence of dermatological diseases is increasing in parallel with the fact that human skin is exposed to different chemicals. Examined many skin diseases, many of them are similar in shape and appearance, although the reasons for their appearance are different. In dermatology, the differential diagnosis of Erythemato-squamous diseases is frequently encountered by doctors. Doctors try to differentiate and diagnose diseases by evaluating clinical findings and histopathological parameters together. Many researchers have developed different algorithms on the classification and clustering of diseases and data that have been diagnosed from the UCI database. In the present study, unlike previous studies, clinical and histopathological findings of 6 different Erythamo Squamos skin diseases were clustered by applying to SOM network separately. As a result of this clustering process, it is determined that Psoriasis - Cronic Dermatitis and Seborreic Dermatitis - Pitriasis Rosea diseases were found in the same cluster and the diagnoses are confused. In order to prevent this confusion, clinical and histopathological findings of the diseases were clustered by SOM method. Clustering parameters of clinical and histopathological findings were classified with SVM. As a result of the study, it was achieved that the classification of Psoriasis - Cronic Dermatitis diseases was classified as 0.89 with an accuracy of 0.93 and that of Seborreic Dermatitis - Pitriasis Rosea with an accuracy of 0.79 and 0.80.

  • Abdel-Aal, R. E., et al. (2006). "Improving the classification of multiple disorders with problem decomposition." Journal of biomedical informatics 39(6): 612-625.
  • Abdel-Aal, R. E., et al. (2006). "Improving the classification of multiple disorders with problem decomposition." Journal of biomedical informatics 39(6): 612-625.
  • Fidan, U., et al. (2016). Clustering and classification of dermatologic data with Self Organization Map (SOM) method. 2016 Medical Technologies National Congress (TIPTEKNO), IEEE.
  • Haryanto, H., et al. (2015). "The Erythemato-Squamous Dermatology Diseases Severity Determination using Self-Organizing Map." IPTEK Journal of Proceedings Series 1(1).
  • Haykin, S. S., et al. (2009). Neural networks and learning machines, Pearson Upper Saddle River.
  • Karabatak, M. and M. C. Ince (2009). "A new feature selection method based on association rules for diagnosis of erythemato-squamous diseases." Expert Systems with Applications 36(10): 12500-12505.
  • Karaca, Y., et al. (2018). Classification of Erythematous-Squamous Skin Diseases Through SVM Kernels and Identification of Features with 1-D Continuous Wavelet Coefficient. International Conference on Computational Science and Its Applications, Springer.
  • Kohonen, T. (1982). "Self-organized formation of topologically correct feature maps." Biological cybernetics 43(1): 59-69.
  • Küçüksille, E. and N. Ateş "Destek Vektör Makineleri ile Yaramaz Elektronik Postaların Filtrelenmesi." Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 6(1).
  • Nanni, L. (2006). "An ensemble of classifiers for the diagnosis of erythemato-squamous diseases." Neurocomputing 69(7-9): 842-845.
  • Nouri, F. and N. S. Şengör "Öz-düzenlemeli Ağ Yapısı ile Farklı Yaklaşımların Sınanması Testing Different Approaches by Self Organizing Map."
  • Ozcift, A. and A. Gulten (2012). "A robust multi-class feature selection strategy based on rotation forest ensemble algorithm for diagnosis of erythemato-squamous diseases." Journal of medical systems 36(2): 941-949.
  • Übeyli, E. D. (2008). "Multiclass support vector machines for diagnosis of erythemato-squamous diseases." Expert Systems with Applications 35(4): 1733-1740.
  • Übeyli, E. D. and E. Doğdu (2010). "Automatic detection of erythemato-squamous diseases using k-means clustering." Journal of medical systems 34(2): 179-184.
  • Übeylı, E. D. and I. Güler (2005). "Automatic detection of erythemato-squamous diseases using adaptive neuro-fuzzy inference systems." Computers in biology and medicine 35(5): 421-433.
  • West, D. and V. West (2000). "Improving diagnostic accuracy using a hierarchical neural network to model decision subtasks." International journal of medical informatics 57(1): 41-55.
  • Xie, J. and C. Wang (2011). "Using support vector machines with a novel hybrid feature selection method for diagnosis of erythemato-squamous diseases." Expert Systems with Applications 38(5): 5809-5815.
Birincil Dil en
Konular Mühendislik
Bölüm Makaleler
Yazarlar

Orcid: 0000-0003-0356-017X
Yazar: Uğur FİDAN (Sorumlu Yazar)
Kurum: Afyon Kocatepe Üniversitesi Mühendislik Fakültesi Biyomedikal Müh
Ülke: Turkey


Orcid: 0000-0003-2821-4177
Yazar: Esma UZUNHİSARCIKLI
Kurum: Kayseri Üniversitesi, Meslek Yüksek Okulu, Biyomedikal Cihaz Teknolojileri
Ülke: Turkey


Orcid: 0000-0002-6640-7917
Yazar: İsmail ÇALIKUŞU
Kurum: Nevşehir Hacı Bektaş Veli Üniversitesi, Meslek Yüksek Okulu, Biyomedikal Cihaz Teknolojileri
Ülke: Turkey


Tarihler

Başvuru Tarihi : 14 Temmuz 2019
Yayımlanma Tarihi : 31 Aralık 2019

Bibtex @araştırma makalesi { akufemubid591816, journal = {Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi}, issn = {}, eissn = {2149-3367}, address = {}, publisher = {Afyon Kocatepe Üniversitesi}, year = {2019}, volume = {19}, pages = {894 - 901}, doi = {}, title = {Classification of Dermatological Data with Self Organizing Maps and Support Vector Machine}, key = {cite}, author = {FİDAN, Uğur and UZUNHİSARCIKLI, Esma and ÇALIKUŞU, İsmail} }
APA FİDAN, U , UZUNHİSARCIKLI, E , ÇALIKUŞU, İ . (2019). Classification of Dermatological Data with Self Organizing Maps and Support Vector Machine. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi , 19 (3) , 894-901 . Retrieved from https://dergipark.org.tr/tr/pub/akufemubid/issue/51083/591816
MLA FİDAN, U , UZUNHİSARCIKLI, E , ÇALIKUŞU, İ . "Classification of Dermatological Data with Self Organizing Maps and Support Vector Machine". Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi 19 (2019 ): 894-901 <https://dergipark.org.tr/tr/pub/akufemubid/issue/51083/591816>
Chicago FİDAN, U , UZUNHİSARCIKLI, E , ÇALIKUŞU, İ . "Classification of Dermatological Data with Self Organizing Maps and Support Vector Machine". Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi 19 (2019 ): 894-901
RIS TY - JOUR T1 - Classification of Dermatological Data with Self Organizing Maps and Support Vector Machine AU - Uğur FİDAN , Esma UZUNHİSARCIKLI , İsmail ÇALIKUŞU Y1 - 2019 PY - 2019 N1 - DO - T2 - Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi JF - Journal JO - JOR SP - 894 EP - 901 VL - 19 IS - 3 SN - -2149-3367 M3 - UR - Y2 - 2019 ER -
EndNote %0 Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi Classification of Dermatological Data with Self Organizing Maps and Support Vector Machine %A Uğur FİDAN , Esma UZUNHİSARCIKLI , İsmail ÇALIKUŞU %T Classification of Dermatological Data with Self Organizing Maps and Support Vector Machine %D 2019 %J Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi %P -2149-3367 %V 19 %N 3 %R %U
ISNAD FİDAN, Uğur , UZUNHİSARCIKLI, Esma , ÇALIKUŞU, İsmail . "Classification of Dermatological Data with Self Organizing Maps and Support Vector Machine". Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi 19 / 3 (Aralık 2020): 894-901 .
AMA FİDAN U , UZUNHİSARCIKLI E , ÇALIKUŞU İ . Classification of Dermatological Data with Self Organizing Maps and Support Vector Machine. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi. 2019; 19(3): 894-901.
Vancouver FİDAN U , UZUNHİSARCIKLI E , ÇALIKUŞU İ . Classification of Dermatological Data with Self Organizing Maps and Support Vector Machine. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi. 2019; 19(3): 901-894.