Geri Dön

Classification the data set in medical care (Breast cancer) by using machine learning algorithms

Tıbbi bakımda (Gögüs kanserı) veri kümesinin makine ögrenme algoritmaları kullanılarak sınıflandınlması

  1. Tez No: 479158
  2. Yazar: NUSAIBAH KHALID ABDULMAJEED ABDULMAJEED
  3. Danışmanlar: DOÇ. DR. TURGAY İBRİKÇİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 106

Özet

Günümüzde, büyük veri kümesinden bilgi edinmek için data setleri her geçen gün büyümektedir. Veri tabanından yararlı bilgilerin çıkarılması işlemi veri madenciliği olarak tanımlanır. Bu da özellikle tıbbi bakımda tanısal sonuçları elde etmek için kullanılan en önemli tekniklerden biridir. Meme kanseri, diğer bütün tümör türleri ile karşılaştırıldığında kadınlarda yaygın görülen kanserlerden biridir. Sınıflandırma, gerçek hayat uygulamalarındaki her alanında yaygın bir şekilde kullanılmaktadır. Bu teknik bir insan tarafından fark edilemeyecek küçük benzerlik ve farklılıkları tespit etme yeteneğine sahiptir. Böylece daha faydalıve doğru sınıfların oluşmasını sağlayacaktır. Bu tez, Sıralı Minimal Optimization (SMO) destekli Destek Vektör Makinalarının farklı çekirdek fonksiyonları ile ve karar ağaçları algoritmaları ve meme kanseri verilerini analizve karşılaştırmaları ortaya koymaktadır.Karar ağacı algoritmaları olarak:J48, Functional Tree, Rasgele Orman, AD Değişen karar Ağacı, Karar kütüğü Ağaç, Basit Sepet veEn İyi İlk Ağaç algoritmaları uygulanmaktadır. Ayrıca Destek Vektörü Makinası olarak Normalleştirilmiş Poly çekirdeği,Poly Çekirdeği, PUK çekirdeği ve RBF Çekirdeği kullanılmıştır. Bu algoritmaların sonuçları, bir makina öğrenme ortamı olan WEKA üzerinde ortaya koyulmuştur. Bu sınıflandırma algoritmaları arasındaki farklılıkları test etmek için 32 özellikli 357 iyi huylu ve 212 kötü huylu (malign)sonuçlarına sahip toplamda 569 veriyi içermektedir.

Özet (Çeviri)

Nowadays, datasets are growing daily to obtain knowledge from big dataset. Extraction operation of useful information from the dataset is called data mining that is one of the major techniques to get the diagnostic results especially in medical care fields as breast cancer. Breast cancer is one of the widespread cancers among women if matched with all other tumors all over the world. Classification is widely used in most important and necessary tasks in the real life applications in all fields. This technique has ability of detecting very similarities and differences that a human analyst may be not notice and therefore create and introduction more accurate/useful categories. This thesis presents comparison and analyses breast cancer dataset by using classification decision tree algorithms and kernel function by using Support Vector Machines via Sequential Minimal Optimization (SMO). Decision tree algorithms are applied to these algorithms which are J48, Functional Tree, Random Forest Tree, AD Alternating Decision Tree, Decision stump Tree, Simple Cart and Best First Tree. Moreover, Support Vector With (Normalized Poly Kernel, Poly Kernel, PUK Kernel and RBF Kernel). A computationally efficient classifies of these algorithms by employing Waikato Environment for Knowledge Analysis (WEKA) that is development program which includes a set of machine learning algorithms. These masses included 569 with 357 benign and 212 malignant cases with 32 attributes to test and proof the differences among the classification methods or algorithms.

Benzer Tezler

  1. Development web based system to recommend artificial intelligence methods and evaluation models for cancer diagnosis and prognosis

    Önerilen web tabanlı sistemin geliştirilmesi yapay zeka yöntemleri ve değerlendirmes kanser tanı ve progno için modeller

    ADEJUMO DOLAPO

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ILHAM HUSEYINOV

  2. Makine öğrenmesi yöntemleri ile kanser hastalığı takibi

    Cancer disease tracking with machine learning methods

    CANER BOZKURT

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUNÇ AŞUROĞLU

  3. Tıbbi görüntü analizi ve işlemede derin öğrenme modelleri

    Deep learning models on medical image analysis and processing

    YASİN KIRELLİ

    Doktora

    Türkçe

    Türkçe

    2022

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEHER ARSLANKAYA

  4. Breast cancer data classification using SVM, NB and KNN algorithms

    SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması

    BURCU MERAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. KAMİL ORUÇOĞLU

  5. Mathematical model-based clinical decision support system algorithm design study that can support the diagnosis of celiac disease

    Çölyak hastalığının teşhisine destek verebilecek matematik model tabanlı kds algoritması tasarımı

    ELİF KESKİN BİLGİÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Mühendislik Bilimleriİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. İNCİ ZAİM GÖKBAY

    DOÇ. DR. YUSUF KAYAR