İNSAN OMURGASI VERİ SETİNİN SİNİR-BULANIK SINIFLAYICI İLE ÖZNİTELİK TESPİTİ VE SINIFLANDIRILMASI

Öz

Tıp alanında, insan omurgasının sağlıklı olup olmadığına karar verilmesi için kontrol edilen bazı değerler belirlenmiştir. Hekim, teşhis koyarken bu değerlerden faydalanır. Veri madenciliği yöntemleri ile hekimlere yardımcı olacak sistemler geliştirilebilir. Kullanılan sistemlerde amaç doğru yöntemleri seçmek ve teşhisin doğruluk oranını arttırmaktır. Bu araştırmada kullanılan veri seti 2011 yılında Brezilya’nın Ceará eyaletindeki Fortaleza şehrinde bulunan Monte Klinikum hastanesinde yapılan bilimsel bir araştırmanın sonuçlarıdır ve UCI machine learning repository sitesinden temin edilmiştir. Amaç bireyleri hasta olup olmadıklarına göre iki kategoride sınıflandırmaktır. Benzer çalışmalarda sınıflandırma işlemi yapıldıysa da bu çalışmada önemli öznitelik seçimi üzerinde çalışılmıştır. Bu özniteliklerin önem derecesinin artırılmasıyla daha yüksek bir başarı sağlanması amaçlanmıştır. Veri seti üzerinde başarıyı artırmak için birçok yöntem denenmiş ve istenilen başarı artışı elde edilmiştir. Uyarlamalı Sinir-Bulanık Sınıflayıcı yöntemi ile test verisinde %83.7419 ‘den %96.1935 oranına ulaşan bir başarı artışı sağlanmıştır.

Anahtar Kelimeler

• omurga,sinir-bulanık sınıflayıcı,öznitelik seçimi,sınıflandırma

Kaynakça

1. Budak, E. Ç., ve Bozkurt, M. R. (2013). Vertebra Lomber Disklerde Meydana Gelen Bozulmaların Manyetik Rezonans Görüntüleme (MRG) ile Analizi. AJIT-e: Online Academic Journal of Information Technology, 4(11).
2. da Rocha Neto, A. R., Sousa, R., Barreto, G. D. A., ve Cardoso, J. S. (2011, June). Diagnostic of pathology on the vertebral column with embedded reject option. In Iberian Conference on Pattern Recognition and Image Analysis (pp. 588-595). Springer, Berlin, Heidelberg.
3. da Rocha Neto, A. R., ve de Alencar Barreto, G. (2009). On the application of ensembles of classifiers to the diagnosis of pathologies of the vertebral column: A comparative analysis. IEEE Latin America Transactions, 7(4), 487-496.
4. Demircioğlu, H. Z. ve Bilge, H. Ş. (2015). Yumurtalık kanseri veri kümesindeki gen ifadelerinin veri madenciliği ile analizi. Marmara Fen Bilimleri Dergisi.
5. Ganzert, S., Guttmann, J., Kersting, K., Kuhlen, R., Putensen, C., Sydow, M., ve Kramer, S. (2002). Analysis of respiratory pressure–volume curves in intensive care medicine using inductive machine learning. Artificial intelligence in medicine, 26(1-2), 69-86.
6. Ghandhari, H., Hesarikia, H., Ameri, E., ve Noori, A. (2013). Assessment of normal sagittal alignment of the spine and pelvis in children and adolescents. BioMed research international, 2013.
7. Gharib, T. F., Nassar, H., Taha, M., ve Abraham, A. (2010). An efficient algorithm for incremental mining of temporal association rules. Data ve Knowledge Engineering, 69(8), 800-815.
8. Gökberk, B., İrfanoğlu, M. O., Doğu, H., Akarun, L., & Alpaydın, E. (2003). Yüz Tanima Için Eniyi Gabor Parametrelerinin Seçimi.

9. Göreke, V., Uzunhisarcıklı, E., ve Güven, A. (2014). Gri Seviyeli Eşoluşum Matrisleri Kullanılarak Sayısal Mamogram Görüntüsünden Doku Özniteliklerinin Çıkarılması ve Yapay Sinir Ağı ile Kitle Tespiti. Tıp Teknolojileri Ulusal Kongresi-TıpTekno’14.
10. Gündüz, A. E., Temizel, A., Temizel, T. T. (2013). Kalabalık Dinamiklerinin Çıkartılması İçin Özniteliklerin Tespit ve Takibi Feature Detection and Tracking for Extraction of Crowd Dynamics.
11. Akal, Ş. (2016). Sağlık alanında akıllı teknolojilerin kullanımı için bir uygulama önerisi. Uluslararası Yönetim Bilişim Sistemleri Konferansı, (3), 291-297.
12. Hong, T. P., ve Wu, C. W. (2011). Mining rules from an incomplete dataset with a high missing rate. Expert Systems with Applications, 38(4), 3931-3936.
13. İşler, Y., ve Narin, A. (2012). WEKA Yazılımında k-Ortalama Algoritması Kullanılarak Konjestif Kalp Yetmezliği Hastalarının Teşhisi. SDU Teknik Bilimler Dergisi, 2(2).
14. Karasulu, B. (2016). Büyük veri çağında bilişim sistemleri için zeki teknikler destekli karar vermenin rolü: inceleme ve analiz. Uluslararası Yönetim Bilişim Sistemleri Konferansı, (3), 1-11.
15. Kızılkaya Aydoğan, E., Gencer, C. ve Akbulut, S. (2007). Veri madenciliği teknikleri ile bir kozmetik markanın ayrılan müşteri analizi ve müşteri bölümlenmesi. Mühendislik ve Fen Bilimleri Dergisi, 26 (1), 43-57.
16. Koyuncugil, A. S. ve Özgülbaş, N. (2009). Veri madenciliği: tıp ve sağlık hizmetlerinde kullanımı ve uygulamaları. Bilişim Teknolojileri Dergisi, 2 (2), 21-32.
17. Machine Learning Repository, https://archive.ics.uci.edu/ml/datasets/Vertebral+Column, (21.12.2016).
18. Onan, A., ve Korukoğlu, S. (2016). Metin sınıflandırmada öznitelik seçim yöntemlerinin değerlendirilmesi. Akademik Bilişim.
19. Pençe, İ. ve Tarhan, L. (2016). Öğrenim sürelerini uzatan üniversite öğrencilerinin veri madenciliği yöntemleriyle tahmini. Uluslararası Yönetim Bilişim Sistemleri Konferansı, (3), 291-297.
20. Pençe, İ., Cetişli, B., Amasyalı, M. F., Çetin, M., Akbulut, C., Zihni, N. B., ve Kurban, R. (2013). El Yazı Karakterlerinin Kapalı Cebirsel Eğrilerle Modellenmesi Ve Sınıflandırılması. Sigma, 5, 1-7.
21. Reddy, S. K. & Kodali, S. R. & Gundabathina, J. L. (2012). Classification of vertebral column using naïve bayes technique. International Journal of Computer Applications, 58 (7), 38-42.
22. Albayrak, A. S. ve Koltan Yılmaz, Ş. (2009). Veri madenciliği: karar ağacı algoritmaları ve İMKB verileri üzerine bir uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14 (1), 31-52.
23. Altındağ, O. (2013). Kanser sınıflandırmada mikrorna ve mrna anlatım bilgilerinin entegrasyonu. Yayınlanmamış yüksek lisans tezi, Başkent Üniversitesi, Ankara.
24. Altıntaş, Y. Y. (2010). Veri madenciliğinin tıpta kullanımı ve bir uygulama: hemodiyaliz hastaları için risk seviyelerine göre risk faktörlerinin etkileşimlerinin incelemesi. Yayınlanmamış yüksek lisans tezi, Gazi Üniversitesi, Ankara.
25. Berthonnaud, E., Dimnet, J., Roussouly, P., ve Labelle, H. (2005). Analysis of the sagittal balance of the spine and pelvis using shape and orientation parameters. Clinical Spine Surgery, 18(1), 40-47.
26. Bozkurt, Ö. Ç., Kalkan, A. ve Çeşmeli, M. Ş. (2016). Karar destek sistemlerinin işletme yönetimi açısından önemi: mermer işletmelerinde bir araştırma. Uluslararası Yönetim Bilişim Sistemleri Konferansı, (3), 153-162.
27. Chae, Y. M., Ho, S. H., Cho, K. W., Lee, D. H., ve Ji, S. H. (2001). Data mining approach to policy analysis in a health insurance domain. International journal of medical informatics, 62(2-3), 103-111.
28. Coulter, D. M., Bate, A., Meyboom, R. H., Lindquist, M., ve Edwards, I. R. (2001). Antipsychotic drugs and heart muscle disorder in international pharmacovigilance: data mining study. Bmj, 322(7296), 1207-1209.
29. Çetişli, B. (2006). Öznitelik seçiminde dilsel kuvvetli sinir bulanık sınıflayıcı kullanımı. Eskişehir Osmangazi Üniversitesi Müh.Mim.Fak.Dergisi, XIX (2), 109-130.