Göğüs Verileri Metrikleri Üzerinden Kanser Sınıflandırılması
Öz
Göğüs kanseri dünyada kadınlar arasında en sık karşılaşılan kanserlerden birisidir. Hastalık erken teşhis edilmediğinde ölüme yol açabilmektedir. Göğüs kanseri tümörünün doğru bir şekilde sınıflandırılması tıbbi alanda zorlu bir problemdir. Bu çalışmada, iğne aspirasyon tekniği kullanılarak biyopsi parçasından çıkartılmış metrik verileri içeren Breast Cancer Wisconsin (Diagnostic) veri seti kullanılarak kanser veya kanser değil ikili sınıflandırılması gerçekleştirilmektedir. Sınıflandırma işlemi için sinir ağları mimarisi ve keras derin öğrenme kütüphanesi araçlarından yararlanılır. Uygulama sonuçları sınıflandırma başarımının % 98 civarında olduğunu göstermektedir. Çalışmada hassasiyet, kesinlik, f1-skoru ve karmaşıklık matrisi gibi performans ölçümlerine ait sonuçlar da verilerek yöntemin başarısı desteklenmiştir.
Anahtar Kelimeler
Kaynakça
- Cengil E., Çınar, A., (2017). Image classification with caffe deep learning framework. In Computer Science and Engineering (UBMK), International Conference on (pp. 440-444). IEEE.
- Sette G., Salvati V., Giordani I., Pillozzi E., Quacquarini D., Duranti E., De Nicola F., Pallocca M., Fanciulli M., Falchi M., Pallini R., Conditionally reprogrammed cells (CRC) methodology does not allow the in vitro expansion of patient‐derived primary and metastatic lung cancer cells. International journal of cancer. 2018.
- Phonethep D., Boonjing V., Building Minimal Classification Rules for Breast Cancer Diagnosis. 2018 10th International Conference on Knowledge and Smart Technology (KST). IEEE, 2018.
- Amrane M., Oukid S., Gagaoua I., Ensarİ T., Breast cancer classification using machine learning. In 2018 Electric Electronics, Computer Science, Biomedical Engineerings' Meeting (EBBT) (pp. 1-4). IEEE. 2018.
- Aksebzeci H. B., ve Kayaalti Ö., Computer-aided classification of breast cancer histopathological images. Medical Technologies National Congress (TIPTEKNO), 2017. IEEE, 2017.
- Ting, F.F., Yen J.T., and Kok S. S., Convolutional neural network improvement for breast cancer classification. Expert Systems with Applications 120 (2019): 103-115.
- Dora, L., Agrawal S., Panda R. And Abraham A., Optimal breast cancer classification using Gauss–Newton representation based algorithm." Expert Systems with Applications 85 (2017): 134-145.
- Liu N., Qi E.S., Xu M., Gao B., Liu G.Q., A novel intelligent classification model for breast cancer diagnosis. Information Processing & Management, 56(3), 609-623, 2019.
Ayrıntılar
Birincil Dil
Türkçe
Konular
-
Bölüm
Araştırma Makalesi
Yayımlanma Tarihi
15 Haziran 2020
Gönderilme Tarihi
17 Ocak 2019
Kabul Tarihi
22 Ocak 2019
Yayımlandığı Sayı
Yıl 2020 Cilt: 11 Sayı: 2
Cited By
Investigation of Cloud Computing Based Big Data on Machine Learning Algorithms.
Bitlis Eren Üniversitesi Fen Bilimleri Dergisi
https://doi.org/10.17798/bitlisfen.897573Using Classification Algorithms in Data Mining in Diagnosing Breast Cancer
Advances in Artificial Intelligence Research
https://doi.org/10.54569/aair.1142519Koroner Arter Hastalığı Sınıflandırılmasında Destek Vektör Makinelerinin Gri Kurt Optimizasyonuna Dayalı Özellik Seçim Yöntemi ile Geliştirilmesi
Eskişehir Türk Dünyası Uygulama ve Araştırma Merkezi Bilişim Dergisi
https://doi.org/10.53608/estudambilisim.1409734Sağlık İstatistiklerinin Veri Madenciliği Teknikleri İle Analizi: Makine Öğrenmesi Algoritmaları Kullanılarak Genel Sağlık Durumunun Sınıflandırılması
Afyon Kocatepe University Journal of Sciences and Engineering
https://doi.org/10.35414/akufemubid.1491469VERİ ÖN İŞLEME TEKNİKLERİNİN SAĞLIK VERİLERİNİN SINIFLANDIRMA BAŞARISINA ETKİSİNİN İNCELENMESİ
Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi
https://doi.org/10.54365/adyumbd.1466631Vision Transformer ve Swin Modelleri Kullanılarak Gelişmiş Mamografi Tabanlı Meme Kanseri Sınıflandırması DDSM Veri Seti Üzerine Bir Çalışma
Bilişim Teknolojileri Dergisi
https://doi.org/10.17671/gazibtd.1689000Derin Öğrenme Algoritmalarıyla Meme Kanserinin Histopatolojik Görüntü Sınıflandırması
Black Sea Journal of Engineering and Science
https://doi.org/10.34248/bsengineering.1644212