Makine öğrenimi yöntemleri ile baş ve boyun kanseri hastalarında sonuç tahmini
Outcome prediction in head and neck cancer patients using machine learning methods
- Tez No: 999336
- Danışmanlar: DR. ÖĞR. ÜYESİ FATİH ÇİFTÇİ
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fatih Sultan Mehmet Vakıf Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Baş ve boyun kanserleri, 2024 yılında Amerika Birleşik Devletleri'nde yeni kanser vakalarının yaklaşık %4'ünü oluşturmakta olup, tahmini 70.230 teşhis ve 16.100 ölümle devam eden küresel bir sağlık sorunu olarak öne çıkmaktadır. Bu çalışma, The Cancer Imaging Archive (TCIA) içindeki HNSCC Koleksiyonu'ndan alınan verilerle baş ve boyun kanseri hastalarının 100'ü için klinik sonuçları tahmin etmek amacıyla makine öğrenimini kullanmaktadır. Tahmin performansını artırmak için altı ana özellik — kanser yeri, primer tümör hacmi, ırk, sigara durumu, HPV durumu ve tedavi türü — seçilmiştir. Random forest modeli %94.68 doğruluk ve 0.9821 AUC değeri elde ederek, baz majörite sınıflandırma (%50) önemli ölçüde geride bırakmıştır. Bu sonuçlar, bu yaklaşımın kişiselleştirilmiş tedavi planlamasını destekleme ve klinik karar alma sürecini iyileştirme potansiyelini göstermektedir
Özet (Çeviri)
Head and neck cancers represent approximately 4% of new cancer cases in the United States in 2024, with an estimated 70,230 diagnoses and 16,100 deaths, highlighting their ongoing global health challenge. This study employs machine learning to predict clinical outcomes for 100 patients with head and neck cancer, using data from the HNSCC Collection in The Cancer Imaging Archive (TCIA). Six key features—cancer site, primary tumor volume, race, smoking status, HPV status, and treatment type—were selected to enhance prediction performance. The random forest model achieved an accuracy of 94.68% and an AUC of 0.9821, significantly surpassing the baseline majority classifier (50%). These results demonstrate the potential of this approach to support personalized treatment planning and improve clinical decision-making.
Benzer Tezler
- Integrated geochemical and thermal assessment of geothermal systems for sustainable resource utilization: A case study from the Dikili-Bergama Region, Western Anatolia
Sürdürülebilir kaynak kullanımı için jeotermal sistemlerin entegre jeokimyasal ve termal değerlendirmesi: Dikili-Bergama Bölgesi, Batı Anadolu
TOLGA AYZİT
Doktora
İngilizce
2025
Enerjiİzmir Yüksek Teknoloji EnstitüsüMühendislik Ana Bilim Dalı (disiplinlerarası)
PROF. DR. ALPER BABA
- Halk eğitiminde katılma“Ankara'daki Halk Eğitimi Merkezlerinde açılan kurslara katılanların demografik özellikleri, katılmalarını güdüleyen etmenler ve programa ilişkin görüşleri”
Başlık çevirisi yok
SERAP AYHAN
Doktora
Türkçe
1988
Eğitim ve ÖğretimAnkara ÜniversitesiEğitim Yönetimi ve Planlaması Ana Bilim Dalı
DOÇ. DR. A. SUDİ BÜLBÜL
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE
- Elektrikli araçların kullanıcı tercihlerine göre sınıflandırılması: hibrit bir yaklaşım
Classification of electric vehicles based on user preference: a hybrid approach
MEHMET DEMİR
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT ASAN
- Bilimsel tartışma (argümantasyon) öğretim becerilerinin gelişimi: Fen bilgisi öğretmen adayları ile durum çalışmaları
Argumentation development of teaching skills: Case studies with preservice science teachers
CANDAN CENGİZ
Doktora
Türkçe
2017
Eğitim ve ÖğretimMarmara ÜniversitesiOrtaöğretim Fen ve Matematik Alanlar Eğitimi Ana Bilim Dalı
PROF. DR. FİLİZ KABAPINAR