Gail modeli ile makine öğrenmesi algoritmalarının meme kanseri risk değerlendirmesinde karşılaştırılması
Comparison of the machine learning algorithms in breast cancer risk assessment with the gail model
- Tez No: 661016
- Danışmanlar: PROF. DR. FEZAN MUTLU
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Algoritmalar, Gail modeli, Makine öğrenmesi, Meme hastalıkları, Meme neoplazmları, Neoplazmlar, Risk değerlendirmesi, Yapay sinir ağları, Algorithms, Gail model, Machine learning, Breast diseases, Breast neoplasms, Neoplasms, Risk assesment, Artificial neural networks
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Meme kanserinin erken aşamada teşhis edilmesi; tedavi yöntemlerinin sayısını, tedavinin başarıya ulaşma oranını ve hayatta kalma şansını arttırmaktadır. Gail Modeli, meme kanserinde temel faktörleri değerlendiren, kabul görmüş kanser riski değerlendirme modelidir. Bu çalışmada Gail Modeli baz alınarak makine öğrenmesi yöntemlerinin meme kanseri risk değerlendirmesinde karşılaştırılması amaçlanmıştır.İlk olarak veri setine Gail Modeli uygulanmış ve risk faktörü belirlenmiş, %70 eğitim %30 test ve %80 eğitim %20 test olmak üzere 2 ayrı eğitim test veri seti oluşturulmuştur. Daha sonra veri setlerine k-En Yakın Komşu, Yapay Sinir Ağları, Destek Vektör Makinesi ve Naive Bayes algoritmaları uygulanmış ve risk tahmin sonuçları karşılaştırılmıştır. Karşılaştırma sonuçlarına göre %70 eğitim %30 test veri seti için sınıflandırma performansı en düşükten en yükseğe doğru sırası ile k-NN (AUC=0.5375), NB (AUC=0.8542), SVM (AUC=0.9375) ve YSA(AUC=0.9875) şeklindedir. %80 eğitim %20 test veri seti için sınıflandırma performansı en düşükten en yükseğe doğru sırası ile k-NN (AUC=0.5892), SVM (AUC=0.9088), NB (AUC=0.9305) ve YSA (AUC=0.9718) şeklindedir.
Özet (Çeviri)
Early diagnosis of breast cancer increases the number of possible treatments, the success rate of the treatments and the chance of survival. The Gail Model is a well accepted cancer risk assessment model which evaluates the main factors in breast cancer. The aim of this work is compare machine learning methods in breast cancer risk assessment based on the Gail Model.SVM, k-NN, ANN, NB algorithm with the purpose of breast cancer risk assessment. Firstly, risk factor was determined using the Gail method on the dataset, then dataset was divided into training - testing sets using 70 - 30 and 80 - 20 splits which resulted in two seperate training and testing sets. Afterwards, on each set, k-NN, ANN, SVM and NB algorithms were applied and results were compared based on the classification performance. According to the comparison results, the classification performance for 70% training and 30% test data set was k-NN (AUC=0.5375), NB (AUC=0.8542), SVM (AUC=0.9375) and ANN (AUC=0.9875) directly from from lowest to highest. On the other hand, for 80% training and 20% test data set, classification performance wasis from lowest to highest, respectively, k-NN (AUC=0.5892), SVM (AUC=0.9088), NB (AUC=0.9305) and ANN (AUC=0.9718).
Benzer Tezler
- Improving lane change decisions in autonomous driving using adversarial learning
Otonom sürüşte şerit değiştirme kararlarının karşıt öğrenme yöntemiyle iyileştirilmesi
AYTUĞ ONURHAN EFİL
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Meme ve over kanseri olgularında yeni nesil dizileme yöntemi kullanılarak 27 farklı gendeki germline mutasyonların moleküler, fenotipik ve klinik özelliklerinin değerlendirilmesi
Assessment of molecular, phenotypic, and clinical features of germline mutations across 27 genes by nextgeneration sequencing in breast and ovarian cancer
MUHAMMER ÖZGÜR ÇEVİK
- Catalytic and photocatalytic CO2 conversion into valuable chemicals
CO2'nin katalitik ve fotokatalitik yollarla değerli kimyasallara dönüşümü
BEYZA YILMAZ
Doktora
İngilizce
2025
Kimya MühendisliğiBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN YILDIRIM
- Risk azaltıcı mastektomi kararında etkili olan faktörler
Factors influencing the decision for risk-reducing mastectomy
SAMAD MAMMADOV
Tıpta Uzmanlık
Türkçe
2025
Genel CerrahiOndokuz Mayıs ÜniversitesiGenel Cerrahi Ana Bilim Dalı
PROF. DR. AYFER KAMALI POLAT
- Investigation of the role of DDX41 mutation and some immunological parameters for leukemia
DDX41 mutasyonunun rolünün ve lösemi için bazı immünolojik parametrelerin incelenmesi
ALI SALAH MAHDI ALMUSAWI
Yüksek Lisans
İngilizce
2023
BiyolojiÇankırı Karatekin ÜniversitesiBiyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PINAR ARSLAN
DR. SAAD H. ALBADRY