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
- Tez No: 479158
- Danışmanlar: DOÇ. DR. TURGAY İBRİKÇİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ILHAM HUSEYINOV
- Makine öğrenmesi yöntemleri ile kanser hastalığı takibi
Cancer disease tracking with machine learning methods
CANER BOZKURT
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUNÇ AŞUROĞLU
- Tıbbi görüntü analizi ve işlemede derin öğrenme modelleri
Deep learning models on medical image analysis and processing
YASİN KIRELLİ
Doktora
Türkçe
2022
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEHER ARSLANKAYA
- 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
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. KAMİL ORUÇOĞLU
- 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
2024
Mühendislik Bilimleriİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
DR. İNCİ ZAİM GÖKBAY
DOÇ. DR. YUSUF KAYAR