Geri Dön

Veri madenciliği yöntemi ile akciğer kanseri teşhisine yönelik öneri sistemi tasarımı

A suggestion system design for the diagnosis of lung cancer with data mining method

  1. Tez No: 493624
  2. Yazar: NİHAT BARIŞ SEBİK
  3. Danışmanlar: PROF. DR. HALİL İBRAHİM BÜLBÜL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 80

Özet

Günümüz bilgi çağında en güncel makine öğrenme yöntemlerinden birisi veri madenciliğidir. Her geçen gün bilgisayar sistemlerinin kapasitelerinin artıyor olması daha büyük miktarlarda verilerin saklanabilmesine imkân vermektedir. Artan veri miktarlarının etkin bir şekilde kullanılmasının en büyük çözümü veri madenciliğidir. Bu sebeple büyük miktardaki verileri işleyebilen teknikleri kullanabilmek günümüzde büyük önem kazanmaktadır. Veri madenciliği bu gibi durumlarda kullanılan, büyük miktardaki veri setlerinde saklı durumda bulunan örüntü ve eğilimleri keşfetme işlemidir. Veriler tek başına değersiz olabilirler ancak işlenip bilgiye dönüştürüldüğünde anlam kazanmaktadırlar. Bu kapsamda veri madenciliği birçok alanda olduğu gibi tıp alanında da kullanılmaktadır. Bu çalışmada Dünya Sağlık Örgütü'nün verilerine göre en yaygın kanser türlerinden olan akciğer kanseri teşhisinin daha hassas yapılabilmesine yönelik bir çalışma yapılmıştır. Çoğu kanser vakası hastalığın son evrelerinde teşhis edilebilmekte ve tedaviler bu evreden sonra çoğu zaman cevap verememekte ve hasta kayıpları yaşanmaktadır. Bu sebeple, diğer kanser türlerinde olduğu gibi, akciğer kanserinin de erken tanısı hayati önem taşımaktadır. Bu çalışmada, akciğer kanserinin erken tanısına katkıda bulunabilmek amaçlanmıştır. Genel olarak hastalara hastalık belirtileri doğrultusunda akciğer kanseri olup olmadıklarına dair teşhis konulmaktadır. Bu çalışma ile sağlık veritabanında mevcut olan, önceden teşhisi konulmuş vakaların anonim verileri kullanılarak, henüz sonucu belli olmayan yeni hasta adaylarının hastalık tahmini yapılmıştır. Bu çalışmada WEKA veri madenciliği yazılımı, Naive Bayes veri madenciliği algoritması kullanılarak bir yazılım arayüzü geliştirilmiş ve yazılımın etkinliği bu alanda çalışan hekimlerin görüşleri doğrultusunda yorumlanmıştır.

Özet (Çeviri)

One of the most modern machine learning methods in today's information age is data mining. The capacity of computer systems is increasing day by day, so it enables computers to store more data. Data mining is the greatest solution to the efficient use of increasing amounts of data. Therefore, using techniques that can process huge data has gained more importance today. Data mining is exploring hidden patterns and trends that use in these kinds of data sets. The data alone may be worthless, but they make sense when processed and turned into information. In this context, data mining is used in medicine as well as in many areas.In this thesis, a study has been carried out on lung cancer, one of the most common cancer types according to the World Health Organization. Most of the cancer events are diagnosed at the late phases of the illness and threatments mostly does not work after this time, and patients face deaths. Therefore, as in other cancer types, the early diagnosis of lung cancer is vital. In this paper, to contribute the early diagnosis of lung cancer is aimed. Patients are diagnosed by the help of their symptoms. For this purpose, by the help of the anonymous data of diagnosed patients, the diagnosis of new samples are tried to be predicted. This diagnostic result is presented to doctors through an interface created using WEKA data mining software and Naive Bayes data mining algorithm.

Benzer Tezler

  1. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  2. Obtain anterior/posterior position of the tumor through machine learning

    Makine öğrenme yoluyla tümörün anterior/posterior pozisyonunu elde edin

    GOLSHAN GHOLAMPOUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik-Haberleşme Eğitimi Ana Bilim Dalı

    PROF. DR. İBRAHİM AKDUMAN

  3. Makine öğrenmesi sınıflandırma yöntemleri ile meme kanserinin erken teşhisi

    Early diagnosis of breast cancer with machine learning classification methods

    MELİHA NUR DURAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    İstatistikYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. İBRAHİM DEMİR

  4. Mikrodizi gen ifade verilerinde farklı öznitelik seçim yöntemleri ile sınıflama yöntemlerinin performanslarının değerlendirilmesi

    The effect of feature selection methods on the success of classification methods in microarray gene expression data

    ÖZLEM ARIK

    Doktora

    Türkçe

    Türkçe

    2020

    BiyoistatistikHacettepe Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. ERDEM KARABULUT

  5. Transkriptom veri seti üzerinde derin öğrenme yöntemi ile klasik veri madenciliği yöntemlerinin sınıflama performanslarının karşılaştırılması

    Comparison of classification performance for deep learning method and classical data mining methods on transcriptome data set

    MERVE KAŞIKCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    BiyoistatistikHacettepe Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. ERDEM KARABULUT