Geri Dön

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

  1. Tez No: 773630
  2. Yazar: ÖZGE DEMİR
  3. Danışmanlar: DOÇ. DR. FATİH ÇEMREK
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Uygulamalı İstatistik Bilim Dalı
  13. 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

  1. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Sağlık Biyoinformatiği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZGÜR GÜMÜŞ

  2. Human activity recognition using deep learning

    Derin öğrenme ile insan aktivitesi tanıma

    MURAT YALÇIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜLYA YALÇIN

  3. 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

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  4. 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

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MAHMUT HEKİM

    DR. ÖĞR. ÜYESİ CANAN ORAL

  5. 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

    İngilizce

    2017

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TURGAY İBRİKÇİ