Predicting breast cancer using gradient boosting machine
Gradyan arttırma makinesini kullanarak meme kanseri tahmini
- Tez No: 611092
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: meme kanseri, sınıflandırma, makine öğrenmesi, veri madenciliği, gradyan artırma makinesi, tahmin tabanlı sistem, breast cancer, classification, machine learning, data mining, gradient boosting machine, prediction based system
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Meme Kanseri, bu gibi yüksek ölüm oranlarına sahip en ölümcül hastalıklardır, sağkalım tahmini önemli bir rol üstlenir, çünkü klinisyenler her hastanın prognozunu ve denenecek ilgili tedavileri daha iyi tanımlamaya yardımcı olur. Özellikle meme kanseri için prognoz, tahmin şekilleriyle ilgilidir. Kanser Tahmini, tedaviden sonra ortaya çıkan kanseri ve spesifik meme kanseri durumunda, ilk teşhisten sonra hastaların yaklaşık üçte biri tarafından tecrübe edilen tahmin çok yaygındır. Bu nedenle, öngörü kalıplarını oluşturmak, bu patolojinin klinik davranışını doğru bir şekilde tahmin etmek için çok önemli bir görevdir. Bu, istenmeyen aşırı tedavi ve istenmeyen komplikasyonlardan kaçınarak hastalar için daha kişiselleştirilmiş bir tedavi sağlar. Gradient Boost, birçok“zayıf”sınıflandırıcı veya öğrenicinin etiketlerinin birleştirilmesinin göğüs kanserini öngörmek için güçlü bir sağlam kelimeye çevrildiği fikrine dayanan güçlü bir makine öğrenme algoritmasıdır. Yükseltme, bu temel öğrenenleri sırayla sınıflandırmak zor noktaların daha ağır olduğu ağırlıklı verilere ekleyerek uyarlamalı modellere uyan açgözlü bir algoritmadır. Uzmanlar, gradyan artırmanın, Meme Kanseri'ni tespit etmek ve tahmin etmek için şimdiye kadar geliştirilen en iyi kullanıma hazır sınıflandırıcı olduğunu iddia ediyor. Yukarıdaki yükseltme sürümlerinden görebileceğimiz gibi, her kayıp işlevi için benzersiz bir yükseltme algoritması türetilebilir ve performansı, hangi temel öğreniciye bağlı olarak değişebilir. Meme kanserinin tanımlanması, tespiti, tanınması ve öngörülmesi için gradyan artırma adı verilen takviye işleminin genel bir versiyonunu türetebiliriz.
Özet (Çeviri)
Breast Cancer is the most fatal diseases with high mortality rates, such as this one, survival prediction assumes an important role, since it aids clinicians to better define each patient's prognosis and the corresponding treatments to be attempted. In particular for breast cancer, prognosis is related to the patterns of prediction. Cancer Prediction describes cancer that reappears after treatment, and in the specific case of breast cancer, prediction is very common, being experienced by about one third of patients after initial diagnosis. Therefore, establishing the patterns of prediction is a crucial task to accurately predict the clinical behavior of this pathology. This enables a more personalized treatment for the patients, avoiding undesired overtreatment and adverse complications. Gradient Boosting is a powerful machine learning algorithm founded on the idea that combining the labels of many 'weak' classifiers or learners translates to a strong robust one to predict the breast cancer. Boosting is a greedy algorithm that fits adaptive models by sequentially adding these base learners to weighted data where difficult to classify points are weighted more heavily. Experts claim that gradient boosting is the best off-the-shelf classifier developed so far to detect and predict the Breast Cancer. As we can see from the above versions of boosting, a unique boosting algorithm can be derived for each loss function and its performance can vary depending on which base learner. We can derive a generic version of boosting called gradient boosting for the identification, detection, recognition and prediction of breast cancer.
Benzer Tezler
- Makine öğrenmesi yöntemleri kullanarak kanser teşhisi
Cancer prediction using machine learning methods
SİYABEND TURGUT
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA DAĞTEKİN
YRD. DOÇ. DR. TOLGA ENSARİ
- Applied machine learning techniques on diseases diagnosis
Hastalık teşhı̇sı̇nde uygulamalı makı̇ne öğrenme teknı̇klerı̇
MARIAM KILI BECHIR
Yüksek Lisans
İngilizce
2024
Bilim ve TeknolojiKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERHAT ATASOY
- Meme kanseri hastalarında dozyomik ve radyomik özellikler üzerinden kanser tedavisine bağlı kardiyak olayların erken tahmini için makine öğrenimi modeli oluşturulması
Machine learning model development for early prediction of treatment-related cardiac events in breast cancer patients with dosiomic and radiomic features
ŞEFİKA DİNÇER
Tıpta Uzmanlık
Türkçe
2024
Radyasyon OnkolojisiGazi ÜniversitesiRadyasyon Biyolojisi Anabilim Dalı
PROF. DR. MÜGE AKMANSU
- A robust approach for predicting mutation effects on transcription factor binding: Insights from mutational signatures in 560 breast cancer samples
Transkripsiyon faktörü bağlanması üzerindeki mutasyon etkilerini tahmin etmek için sağlam bir yaklaşım: 560 meme kanseri örneğindeki mutasyonel imzalarından çıkarımlar
HÜSEYİN HİLMİ KILINÇ
Yüksek Lisans
İngilizce
2025
BiyoistatistikOrta Doğu Teknik ÜniversitesiSağlık Bilişimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURÇAK OTLU SARITAŞ
- Metastatik kastrasyona dirençli prostat kanserinde kemohormonal tedaviye direncin belirlemesinde SOX2 ve AGR2 biyobelirteçlerinin kullanılabilirliğinin araştırması
Investigation of the usability of SOX2 and AGR2 biomarkers in determining resistance to chemohormonal therapy in prostate cancer resistant to metastatic castration
MAHSA BAYRAMI