Meme kanseri hastalarının sağ kalım tahmini için öznitelik seçimi ve sınıflandırma algoritmalarının karşılaştırılması
Feature selection and comparision of classification algorithims for survival of breast cancer patients
- Tez No: 614657
- Danışmanlar: DR. ÖĞR. ÜYESİ SEVCAN YILMAZ GÜNDÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Meme kanseri, Öznitelik seçimi, Sağ kalım, Sınıflandırma algoritmaları, Breast cancer, Feature selection, Survival, Classifications algorithms
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 126
Özet
Meme kanseri günümüzde özellikle kadınlar arasında en sık görülen hastalıklardan biri haline gelmiş, bu durum da hastaların hayatta kalma tahmininin önemini artırmıştır. Bu çalışmada The Surveillance, Epidemiology, and End Results (SEER) meme kanseri veri seti kullanılarak makine öğrenme algoritmalarının sağ kalım tahmini üzerinde sağladığı başarılar karşılaştırılmış ve öznitelik seçiminin bu algoritmaların başarısı üzerinde sağladığı etki incelenmiştir. Çalışmanın ilk aşamasında veri setindeki sağ kalım tahmini için anlamlı olabilecek özniteliklerin tamamı kullanılarak 4 farklı makine öğrenme algoritması bu veri seti üzerinde Waikato Environment for Knowledge Analysis (Weka) ortamında çalıştırılmıştır. Bunlar: Naive Bayes, J48, Çok Amaçlı Evrimsel Bulanık Sınıflandırıcı (ÇAEBS), Destek Vektör Makineleridir (DVM). En başarılı algoritma olarak J48 algoritması belirlenmiştir. Çalışmanın ikinci aşamasında ise filtre ve sarmalama öznitelik seçim yöntemleri birlikte kullanılarak elde edilen veri setleri üzerinde ilk aşamada kullanılan sınıflandırma algoritmaları test edilmiş ve başarıları karşılaştırılmıştır. Daha az öznitelikle daha yüksek başarılar elde edilebildiği gözlemlenmiştir.
Özet (Çeviri)
Breast cancer has become one of the most common diseases, especially among women, increasing the importance of predicting survival. In this study, the success of machine learning algorithms on survival prediction was compared using the Surveillance, Epidemiology, and End Results (SEER) breast cancer data set and the effect of attribute selection on the success of these algorithms was examined. In the first stage of the study, 4 different machine learning algorithms were run on this data set in Waikato Environment for Knowledge Analysis (Weka) using all of the attributes that might be meaningful for survival estimation in the data set. These are: Naive Bayes, J48, Multiobjective Evolutionary Fuzzy Classifier (MEFC), Support Vector Machines (SVM). The most successful algorithm is J48 algorithm. In the second stage of the study, the classification algorithms used in the first stage were tested on the data sets obtained by using filter and wrapping attribute selection methods together and their successes were compared. It has been observed that higher achievements can be achieved with less attribute.
Benzer Tezler
- Obtain anterior/posterior position of the tumor through machine learning
Makine öğrenme yoluyla tümörün anterior/posterior pozisyonunu elde edin
GOLSHAN GHOLAMPOUR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Meme kanserli hastalarda lenfödem gelişmesinde etkili risk faktörlerinin belirlenmesi
How to diagnose breast cancer patients with high-risk for upper extremity lymphedema: A cross-sectional study examining the risk factors associated with lymphedema and its prevalence
SİBEL KİBAR
Tıpta Uzmanlık
Türkçe
2010
Fiziksel Tıp ve RehabilitasyonSağlık BakanlığıFizik Tedavi ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. MELTEM DALYAN ARAS
- Meme kanseriyle ilişkili SFRP1 ve AXIN2 genlerine ait SNP'lerin biyoinformatik analizi
Bioinformatic analysis of SFRP1 and AXIN2 genes SNPs associated with breast cancer
GÜLŞAH ÜNAL
Yüksek Lisans
Türkçe
2024
BiyomühendislikSelçuk ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESMA ERYILMAZ DOĞAN
- Prediction of prognosis and chemosensitivity in breast cancer
Meme kanserinde prognoz ve kimyasal duyarlılık tahmini
MUHAMMAD WAQAS AKBAR
Doktora
İngilizce
2020
Biyolojiİhsan Doğramacı Bilkent ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ OSMAY GÜRE
- Meme kanserli hastalarda aksiller reverse mapping uygulamasının onkolojik güvenliği
Oncologic safety of axillary reverse mapping technique in patients with breast cancer
KAĞAN GÖKÇE
Tıpta Uzmanlık
Türkçe
2013
Genel CerrahiMaltepe ÜniversitesiCerrahi Tıp Bilimleri Bölümü
YRD. DOÇ. DR. UĞUR DEVECİ