Akut lenfosit löseminin makine öğrenmesi yöntemleriyle tanınması
Recognition of acute lymphocyte leukemia by machine learning methods
- Tez No: 716146
- Danışmanlar: DR. ÖĞR. ÜYESİ İLKER KOCABAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uluslararası Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
- Sayfa Sayısı: 63
Özet
Lösemi ise özellikle çocuklarda sık görülen bir kanser türüdür. Akut Lenfosit Lösemi (ALL) çocuklarda görülen löseminin büyük çoğunluğunu oluşturmaktadır. ALL, lenfoblastların (olgunlaşmamış lenfler) kontrolsüz ve hızlı artışı sonucunda normal kan hücrelerinin görevlerini yerine getirememesinden kaynaklanan bir kan kanseri türüdür. Kanserli hücrenin morfolojik açıdan incelenip diğer hücrelerden ayırt edilmesinin zor olması hastalığın ilerlemesine ve tedavisinin gecikmesine neden olabilmektedir. Kanserli hücrenin tespitinin zor olma sebebi bu hücrelerin normal hücrelere şekilsel benzerlikleri ve küçük farklılıklarının olmasından kaynaklanmaktadır. Dolayısıyla günümüzde tıbbi teşhis için bilgisayar tabanlı çalışmalara daha çok yer verilmektedir. Bu çalışmalarla doğru teşhisin koyulmasına yardımcı olabilecek sistemler geliştirilmesi hedeflenmektedir. Bu çalışmada Cancer İmaging Archive tarafından sunulan Akut Lenfoblastik Görüntü Veri Tabanı kullanılarak verinin kanserli ve kansersiz olarak sınıflandırma işlemi gerçekleştirilmiştir. Veri setinden 3250 kanserli ve 3250 kansersiz olmak üzere toplamda 6500 dijital hücre görüntüsü kullanılmıştır. Öncelikle görüntüler Matlab platformunda görüntü işleme teknikleriyle önişleme tabi tutularak makine öğrenmesi algoritmalarını uygulamaya hazır hale getirilmiş ardından Temel Bileşen Analizi (TBA) ile öznitelik seçimi gerçekleştirilmiştir. Son olarak makine öğrenmesi algoritmalarından Naive Bayes, K-En Yakın Komşu (K-NN), Lineer Diskriminant Analizi (LDA), Karar Ağacı ve Rastgele Orman yöntemleri kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Sınıflandırma işlemi sonrası algoritmalar doğruluk oranları açısından değerlendirildiğinde en başarılı algoritmalar %92 doğruluk oranıyla Rastgele Orman ve K-NN olmuştur.
Özet (Çeviri)
Leukemia is a common type of cancer, especially in children. Acute Lymphocyte Leukemia (ALL) accounts for the majority of leukemia in children. ALL is a type of blood cancer caused by the uncontrolled and rapid increase of lymphoblasts (immature lymph) as a result of the inability of normal blood cells to fulfill their duties. The morphological examination of the cancer cell and the difficulty of distinguishing it from other cells may cause the progression of the disease and delay in its treatment. The reason why the detection of cancerous cells is difficult is due to the similarity of these cells to normal cells and their slight differences. Therefore, nowadays, computer-based studies are given more place for medical diagnosis. With these studies, it is aimed to develop systems that can help make the correct diagnosis. In this study, the classification of the data as cancerous and non-cancerous was performed using the Acute Lymphoblastic Image Database offered by the Cancer Imaging Archive. A total of 6500 digital cell images, 3250 with cancer and 3250 without cancer, were used from the data set. First of all, the images were preprocessed with image processing techniques on the Matlab platform and made ready to apply machine learning algorithms, then feature selection was performed with Principal Component Analysis (PCA). Finally, classification process was performed using Naive Bayes, K-Nearest Neighbor (K-NN), Linear Discriminant Analysis (LDA), Decision Tree and Random Forest methods from machine learning algorithms. When the algorithms were evaluated in terms of accuracy rates after the classification process, the most successful algorithms were Random Forest and K-NN with 92% accuracy.
Benzer Tezler
- Sayısal haritalama teknikleri kullanılarak DNA dizilimleri üzerinden lösemi hastalığının temel türlerinin yapay zeka tabanlı algoritmalar ile sınıflandırılması
Classification of main types of leukemia disease with artificial intelligence-based algorithms on the DNA sequences using digital mapping techniques
FATMA AKALIN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- Çocukluk çağındaki akut lösemi tanısı ile takipli hastaların tedavi öncesi ve sonrası viral seroloji ve bağışıklık durumlarının değerlendirilmesi
Evaluation of viral serology and immunity status before and after treatment of patients followed with a diagnosis of childhood acute leukemia
TUĞÇE ARMAN
Tıpta Uzmanlık
Türkçe
2022
Çocuk Sağlığı ve Hastalıklarıİstanbul Medeniyet ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. AYLİN CANBOLAT AYHAN
- Akut lenfosit löseminin çekirdek sağrı regresyonu yöntemiyle tanınması
Diagnosis of acute lymphocytic leukemia using kernel ridge regression method
MERVE AYYÜCE KIZRAK
Yüksek Lisans
Türkçe
2011
Elektrik ve Elektronik MühendisliğiHaliç ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FİGEN ÖZEN
- Görüntü işleme yöntemlerini kullanarak mikroskobik görüntülerinden lösemi hücrelerinin teşhisi
Diagnosis of leukemia cell from microscope images with image processing methods
AKRAM KH.SAID GIHEDAN
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKSAL BİLGİCİ
- Monoklonal antikor tekniği ile çocukluk çağı akut lenfoblastik lösemisinin immünolojik sınıflandırılması
Başlık çevirisi yok
EMRE ALHAN