Destek vektör makineleri ve çok katmanlı algılayıcı ağı ile prostat kanseri ön teşhisi
Prostate cancer pre-diagnosis with support vector machines and multilayer perception network
- Tez No: 773630
- Danışmanlar: DOÇ. DR. FATİH ÇEMREK
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Uygulamalı İstatistik Bilim Dalı
- Sayfa Sayısı: 110
Özet
Yapay zeka sağlık alanın yeni çözümler getirerek bilgisayar tabanlı teşhis ,tedavi konusunda devrim yapmaktadır.Bu çalışmada klasik istatistiksel yöntemlerin dışına çıkılarak yapay zeka temelli makine öğrenim yöntemleriyle prostat kanseri ön tanısı için sınıflandırma modelleri üretilmiştir.Çalışmada kullanılan veriler Eskişehir Osmangazi Üniversitesi Tıp Fakültesinde 2010 -2021 yılında üroloji kliniğine başvuran hastalardan oluşmaktadır.Retrospektif kohort çalışması şeklinde veri toplanması gerçekleşmiştir.Çalışma veriler birincil ve ikincil olmak üzere iki örneklem üzerinden yürütülmüştür.Uygulamada makine öğrenim yöntemlerinden; yapay sinir ağları ve destek vektör makineleri kullanılmıştır.Birincil örneklemde en iyi sınıflandırma modeli destek vektör makineleri olup doğruluk %68, duyarlılığı %43,özgüllük %84 ölçülmüştür. İkincil örneklemde de en iyi perfonmasa sahip sınıflandırma modeli destek vektör makineleri olup doğruluk %68, duyarlılığı %43, özgüllük %84 ölçülmüştür. Birden fazla model denenerek en iyi sınıflandırma sonuçlarına ulaşılmıştır.
Özet (Çeviri)
Artificial intelligence revolutionizes computer-based diagnosis and treatment by bringing new solutions to the field of health. In this study, classification models were produced for prostate cancer prediagnosis with artificial intelligence-based machine learning methods by going beyond classical statistical methods. It consists of patients who applied to the urology clinic. Data collection was carried out in the form of a retrospective cohort study. The study was conducted on two samples, primary and secondary. In practice, machine learning methods; Artificial neural networks, and support vector machines were used. In the primary sample, the best classification model was support vector machines, with an accuracy of 68%, a sensitivity of 43%, and a specificity of 84%. In the secondary sample, the classification model with the best performance was support vector machines, with an accuracy of 68%, a sensitivity of 43%, and a specificity of 84%. The best classification results were obtained by testing more than one model.
Benzer Tezler
- Yapay öğrenme ile DNA- ve RNA-bağlayıcı proteinlerin sınıflandırılması
Classification of DNA- and RNA-binding proteins by artificial learning
ÖZGÜR CAN ARICAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiSağlık Biyoinformatiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR GÜMÜŞ
- Human activity recognition using deep learning
Derin öğrenme ile insan aktivitesi tanıma
MURAT YALÇIN
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Mamografi görüntülerinde mikrokalsifikasyonların görünürlüğünün iyileştirilmesi ve sınıflandırılması için yeni yaklaşımlar
The new approaches for the classification of microcalcifications in the visibility-enhanced mammogram images
AYŞE AYDIN YURDUSEV
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT HEKİM
DR. ÖĞR. ÜYESİ CANAN ORAL
- Diagnosing knee pathology using surface electromyography (SEMG) and artificial neural networks
Yüzey elektromiyografisi (SEMG) ve yapay sinir ağları kullanarak diz patolojisinin teşhisi
JEAN DE DIEU UWISENGEYIMANA
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGAY İBRİKÇİ