Endometrium kanserinin makine öğrenmesi ile tahmin edilmesi
Predicting endometrial cancer using machine learning
- Tez No: 973757
- Danışmanlar: PROF. DR. ÇETİN CANPOLAT
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Rahim kanseri (EC), kadınlar arasında en yaygın kanser türlerinden biridir ve yüksek mortalite oranına sahiptir. Tanıda, kan parametresi olan Kanser Antijeni 125 (CA125) gibi biyobelirteçler önemli yararlar sağlamaktadır. Bu sebeple, bu çalışmada rahim kanseri risk düzeyi kişilerin yaş, kilo, çocuk sayısı ve kandaki CA125 değeri değerlendirilerek belirlenmeye çalışılmıştır. Bu amaçla on bir klasik ve iki adet alternatif makine öğrenimi (ML) algoritması kullanılmıştır. Lojistik Regresyon, Naive Bayes, K-En Yakın Komşuluk, Destek Vektör Sınıflandırması, Çok Katmanlı Perceptron (MLPC), Karar Ağacı (CART), Rastgele Orman (RF), Gradyan Boosting Makineleri (GBM), XGBoost, LightGBM ve CatBoost kullanılan klasik makine öğrenimi (ML) algoritmalarıdır. Alternatif algoritmalar olarak da Hızlı Doğrusal Ağ (FLN) ve Aşırı Öğrenme Makinesi (ELM) kullanılmıştır. Bu çalışmada, 185'i rahim kanserli ve 35'i teşhis edilmemiş toplam 220 hastadan CA125 değerleri alınmıştır. Klasik ML algoritmalarında, MLPC en yüksek F1 skoruna (0,9184) sahipken, Lojistik regresyon en yüksek AUC-PR değerine (0,9631) sahiptir. Buna karşılık, alternatif modeller daha iyi F1 puanları vermektedir: ELM için 0,9155 ve FLN için 0,9989. Ayrıca, ELM için 0,9138 ve FLN için 0,9568 olan AUC-PR değerleri de oldukça yüksektir. Sonuç olarak, bu çalışma alternatif algoritmaların aynı anda yüksek F1 ve AUC-PR değerleri vererek sağlam tahminler sağladığını ortaya koymaktadır. Sonuç olarak, veri setinin dengesiz yapısına ragmen, bu çalışma, yalnızca CA125 değerlerini klinik biyokimya girdisi olarak kullanarak rahim kanseri tahmininde oldukça iyi sonuçlar vermektedir. Bu duruma bağlı olarak büyük oranda ölümle sonuçlanan kanser hastalığının yapılan farklı testlerin haricinde kan değerlerine bakılarak belirlenebilmesi konusunun ele alınması bakımından önemli bir çalışma olmaktadır. Ayrıca kan değerlerine bakılarak kanser riskinin tespitinin mümkün olup olmaması konusunda bilgi içermesinden kaynaklı olarak literatürde önemli bir alana katkı sağlayacağı ön görülmektedir.
Özet (Çeviri)
Endometrial cancer (EC) is one of the most common types of cancer among women and has a high mortality rate. In diagnosis, biomarkers such as Cancer Antigen 125 (CA125), a blood parameter, provide significant benefits. Therefore, this study attempted to determine the level of risk for endometrial cancer by evaluating the age, weight, number of children, and CA125 value in the blood of individuals. For this purpose, eleven classical and two alternative machine learning (ML) algorithms were used. Logistic Regression, Naive Bayes, K-Nearest Neighbors, Support Vector Classification, Multi-Layer Perceptron (MLPC), Decision Tree (CART), Random Forest (RF), Gradient Boosting Machines (GBM), XGBoost, LightGBM, and CatBoost are the classical machine learning (ML) algorithms used. Fast Linear Network (FLN) and Extreme Learning Machine (ELM) were also used as alternative algorithms. In this study, CA125 values were obtained from a total of 220 patients, 185 of whom had endometrial cancer and 35 of whom were undiagnosed. Among the classical ML algorithms, MLPC achieved the highest F1 score (0.9184), while the Logistic algorithm achieved the highest AUC-PR value (0.9631). In contrast, alternative models provided better F1 scores: 0.9155 for ELM and 0.9989 for FLN. Additionally, the AUC-PR values were also quite high, with 0.9138 for ELM and 0.9568 for FLN. In conclusion, this study demonstrates that alternative algorithms provide robust predictions by simultaneously achieving high F1 and AUC-PR values. Despite the imbalanced nature of the dataset, this study yields quite good results in endometrial cancer prediction using only CA125 values as clinical biochemistry inputs. This study is significant in that it addresses the issue of determining endometrial cancer, which is a disease with a high mortality rate, based on blood values in addition to various tests. Additionally, it is anticipated to contribute to an important area in the literature by providing information on whether it is possible to detect cancer risk by examining blood values.
Benzer Tezler
- Endometrial kanserin ameliyat öncesi BT görüntülerinde elde edilen radiomics verileri kullanılarak makine öğrenmesi teknikleriyle kitle için yüksek risk değerlendirmesi yöntemi
High risk assessment method of endometrial cancer with machine learning techniques using radiomics data obtained in pre-operational CT images
FEHİME YİGİT
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPASLAN BURAK İNNER
- Prediction of microsatellite status in colorectal cancer whole slide images using deep neural networks
Derin sinir ağları kullanılarak kolorektal kanser tüm slayt görüntüleri üzerinde mikrosatellit durumu tahmini
FATMA VİLDAN ENGİN
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Endometrium kanseri tanısıyla opere olan hastalarda frozen sonucuyla nihai patoloji sonuçlarının karşılaştırılması
Comparison of frozen section and final histopatological results in patients operated with diagnosis of endometrial cancer
ILHAMA ELDAROVA
Tıpta Uzmanlık
Türkçe
2018
Kadın Hastalıkları ve DoğumSağlık Bilimleri ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. RAHİME NİDA BAYIK
- Endometrioid tip endometrıum kanserinde lenf nodu tutulumu ile inflamatuar markerların ilişkisi
Relationship between lymph node involvement and inflammatory markers in endometrioid-type endometrial cancer
MELİH EMRE TORUN
Tıpta Uzmanlık
Türkçe
2025
Kadın Hastalıkları ve DoğumSağlık Bilimleri ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. AHMET TANER TURAN
- Endometrium kanseri hastalarında lenfovasküler saha invazyonu ve batın yıkama sıvısı sitolojisinin prognoza etkisi
The prognostic impact of lymphovascular space invasion and peritoneal washing cytology in patient with endometrial cancer
OĞUZHAN BALCI
Tıpta Uzmanlık
Türkçe
2026
Kadın Hastalıkları ve DoğumSakarya ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OSMAN KÖSE