Zaman serisi ve sinir ağları kullanarak meme kanseri teşhisinde makine öğrenmesi modellerinin karşılaştırmalı analizi
Comparative analysis of machine learning models for breast cancer diagnosis using time series and neural networks
- Tez No: 950056
- Danışmanlar: DR. ÖĞR. ÜYESİ KEREM GENCER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, meme kanseri gibi küresel bir sağlık sorunu karşısında erken teşhisin önemini ve bu amaçla gelişmiş teknolojik yöntemlerin potansiyelini öne çıkarır. Meme kanseri, dünya genelinde kadınlar arasında en yaygın görülen kanser türlerinden biri olduğu için, teşhis süreçlerindeki iyileştirmeler doğrudan hayat kurtarıcı sonuçlar doğurabilir. Bu çalışma, zaman serisi analizi ve sinir ağları gibi iki önemli ve güçlü teknolojik yaklaşımı kullanarak, meme kanseri teşhisinde kullanılan mevcut yöntemlerin etkinliğini karşılaştırmaktadır. KAN, ARIMA ve LSTM gibi farklı modellerin etkinliğini kıyaslayarak, bu tez bilimsel araştırmada derinlemesine bir analiz sunmaktadır. Bu modeller arasındaki performans karşılaştırması, hangi yöntemin meme kanseri teşhisi için daha uygun olduğunu belirlemede kritik bir rol oynayabilir. Ayrıca, bu çalışma, karmaşık veri yapılarını işleyebilme ve uzun vadeli bağımlılıkları modelleyebilme yetenekleri açısından farklı algoritmaların sınırlarını ortaya koyar. Sonuç olarak, bu tez, makine öğrenmesi ve zaman serisi analizinin sağlık alanındaki uygulamalarını genişletmek için önemli bir adım oluşturmaktadır. Teşhis süreçlerinin iyileştirilmesi, erken müdahale imkanlarının artırılması ve hasta bakım kalitesinin yükseltilmesi gibi doğrudan etkilerle, sağlık hizmetlerinde devrim yaratabilir. Bu yönüyle, tez çalışması, akademik literatüre ve tıbbi uygulamalara önemli katkılarda bulunmayı hedeflemektedir
Özet (Çeviri)
This thesis emphasizes the importance of early diagnosis in the face of global health issues such as breast cancer and highlights the potential of advanced technological methods for this purpose. Since breast cancer is one of the most common types of cancer among women worldwide, improvements in diagnostic processes can lead to life-saving outcomes. This study compares the effectiveness of current methods used in breast cancer diagnosis by utilizing two significant and powerful technological approaches: time series analysis and neural networks. By comparing the effectiveness of different models such as KAN, ARIMA, and LSTM, this thesis presents an in-depth analysis within the scope of scientific research. The performance comparison among these models can play a critical role in determining which method is more suitable for breast cancer diagnosis. Additionally, this study reveals the limitations of different algorithms in terms of their ability to handle complex data structures and model long-term dependencies. In conclusion, this thesis represents an important step in expanding the applications of machine learning and time series analysis in the field of healthcare. By improving diagnostic processes, increasing the possibilities for early intervention, and enhancing the quality of patient care, it has the potential to revolutionize healthcare services. In this respect, the thesis aims to make significant contributions to academic literature and medical practice.
Benzer Tezler
- A novel approach for time series forecast combinations based on multi-criteria decision making (MCDM) methods
Zaman serisi tahmin kombinasyonları için çok kriterli karar verme yöntemlerine dayalı yeni bir yaklaşım
TUĞBA YASEMİN KARAGÖZ
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERKAN IŞIKLI
- Zaman serisi analiz yöntemleri ve yapay sinir ağları algoritmalarını kullanarak güneş enerjisi santrallerinde üretilen gücün tahminlenmesi
Predicting power generation in solar power plants using time series analysis methods and artificial neural network algorithms
EMRAH İDMAN
Doktora
Türkçe
2024
Enerjiİstanbul Arel ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN YILDIRIM
- Predictive error compensated wavelet neural networks framework for time series prediction
Zaman serisi tahmini için hata tazminli dalgacık dönüşümlü sinir ağları çerçeve yazılımı
SERKAN MACİT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Data mining based on regularized convolutional neural network for time series: Financial prediction algorithm
Zaman serileri için veri madenciliği tabanlı düzenlileştirilmiş evrişimli sınır ağı: Finansal tahmin algoritması
UĞUR EJDER
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELMA AYŞE ÖZEL
- Advanced techniques and comprehensive analysis in speech emotion recognition using deep neural networks
Derin sinir ağları kullanarak konuşma duygu tanıma üzerine gelişmiş teknikler ve kapsamlı analiz
AHMET KEMAL YETKİN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE