Breast cancer detection with machine learning algorithms
Makine öğrenme algoritmaları ile meme kanseri tespiti
- Tez No: 849744
- Danışmanlar: DR. ÖĞR. ÜYESİ FUAT TÜRK, DR. ÖĞR. ÜYESİ GÖKALP ÇINARER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 47
Özet
Meme kanseri, önde gelen bir sağlık krizi olarak, dünya genelinde kadın ölümlerinin ikinci en yüksek nedeni olarak dikkat çekmektedir. Kadınları etkileyen en yaygın kanser türlerinden biri olmasına rağmen, karmaşıklığı ve yüksek görülme oranı nedeniyle önemli bir halk sağlığı sorunu oluşturmaktadır. Meme hücrelerinin kontrolsüz çoğalması ile karakterize olan bu durum, her iki cinsiyeti de etkilemekle birlikte, kadınlarda daha yüksek bir görülme sıklığına sahiptir, bu da onun küresel bir sağlık meselesi olarak kritik bir konumda olduğunu vurgulamaktadır. Bu çalışma, hayatta kalma oranlarını etkileyen kritik bir faktör olan meme kanserinin erken tespiti konusundaki kritik bir meydan okumayı ele almaktadır. Klinik meme muayeneleri, mamografi ve MRI dahil olmak üzere geleneksel tespit yöntemlerinin, özellikle zamanlama ve erken tanımlama açısından sınırlamaları vardır. Bu engellerin üstesinden gelmek için araştırmamız, makine öğrenimi kullanarak yenilikçi bir yaklaşım sunmaktadır ve özellikle toplu yöntemlere odaklanmaktadır. Bu yöntemler, tanı işlemlerinde doğruluk ve etkinliği artırma kapasiteleriyle tanınmaktadır. Bu çalışmanın temeli, bir sinir ağı tabanlı modelin geliştirilmesi ve uygulanmasıdır. Bu çalışmada, ilk olarak WBCD ve ikinci olarak BRCA olmak üzere iki veri seti kullanılmıştır. Bu model, geleneksel yöntemleri %98.18'lik WBCD ve %99.20'lik BRCA için çarpıcı bir doğruluk oranı ile geride bırakarak olağanüstü bir performans sergilemektedir. Bu kadar yüksek bir doğruluk seviyesi, sadece makine öğreniminin tıbbi teşhislerdeki potansiyelini sergilemekle kalmaz, aynı zamanda sağlık uygulamalarında ileri teknolojilerin entegrasyonunun gerekliliğini de vurgular. Son olarak, bu araştırmanın bulguları, sağlıkta Bilgi ve İletişim Teknolojileri'nin (BİT) vazgeçilmez rolün özellikle tıbbi verilerin büyük hacimlerini yönetmede. Meme kanseri tespitinde özellikle toplu yöntemlerin kullanımı, makine öğrenimi ile önemli bir ilerleme sunmakta ve daha doğru, zamanında ve etkili tanı ve tedavi stratejileri için yol açmaktadır. Bu çalışma, meme kanseriyle mücadeledeki devam eden çabalara katkıda bulunmanın yanı sıra, tıbbi teşhislerde teknolojinin uygulanmasında yeni bir standart belirlemektedir.
Özet (Çeviri)
Breast cancer, a predominant health crisis, notably stands as the second-highest cause of female mortality worldwide. Despite being one of the most common malignancies affecting women, it also poses a significant public health concern due to its complexity and high prevalence rate. Characterized by the unrestrained proliferation of breast cells, this condition affects both genders, albeit with a higher incidence in women, underlining its status as a pivotal global health issue. This study addresses the critical challenge of early breast cancer detection, a vital factor influencing survival rates. Traditional detection methods, including clinical breast examinations, mammography, and MRI, have limitations, particularly in terms of timeliness and early identification. To overcome these hurdles, our research introduces an innovative approach using machine learning, with a specific focus on ensemble methods. These methods are renowned for their capacity to enhance accuracy and efficacy in diagnostic procedures. The core of this study is the development and implementation of a neural network-based model. In this study, two datasets have been used first is the WBCD and the second is BRCA. This model demonstrates remarkable performance, outshining traditional methods with a striking accuracy rate of 98.18% for WBCD and 99.20% for BRCA. Such a high level of precision not only showcases the potential of machine learning in medical diagnostics but also emphasizes the necessity of integrating advanced technologies in healthcare practices. Finally, the findings of this research highlight the indispensable role of Information and Communication Technology (ICT) in healthcare, particularly in managing the vast volumes of medical data. The utilization of machine learning, especially ensemble methods, in breast cancer detection, presents a significant advancement, paving the way for more accurate, timely, and effective diagnosis and treatment strategies. This study not only contributes to the ongoing efforts in combating breast cancer but also sets a new benchmark in the application of technology in medical diagnostics.
Benzer Tezler
- Enhancing breast cancer detection with a hybrid machine learning approach
Hı̇brı̇t makı̇ne öğrenme yaklaşımı ı̇le göğüs kanserı̇ tespı̇tı̇nı̇n gelı̇ştı̇rı̇lmesı̇
MUSTAFA ETCİL
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU GÜNGÖR
PROF. DR. V. CAGRİ GÜNGÖR
- Meme kanseri tahmininde makine öğrenmesi algoritmaları ve AutoML
Breast cancer diagnosis with machine learning algorithms and AutoML
ARSLAN KARAKAYA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEZAİ TOKAT
- Antenna design for breast cancer detection and machine learning approach for birth weight prediction
Meme kanseri tespiti için anten tasarımı ve doğum ağırlığı tahmini için makine öğrenmesi yaklaşımı
HALUK KIRKGÖZ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR KURT
- Makine öğrenmesi teknikleriyle mikrodalga meme kanserinin tespiti ve konumunun belirlenmesi
Detection and localization of microwave breast cancer by machine learning techniques
ELİF TÖLÜK
Yüksek Lisans
Türkçe
2022
MatematikYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİROL ASLANYÜREK
- High level synthesis implementation of classification algorithms for breast cancer detection on xilinx FPGAs
Makine öğrenmesi sınıflandırma algoritmalarının xilinx FPGA üzerinde gerçeklenmesi
ASLIHAN HACER TÜFEKCİOĞLU
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SALİH BAYAR