Affiliation:
1. Trabzon İl Sağlık Müdürlüğü
Abstract
Meme kanseri, dünya genelinde kadınlarda en sık görülen kanser türlerinden biridir ve bu hastalıkta erken teşhis hayat kurtarıcı olabilir. Bu çalışma, Wisconsin Meme Kanseri Teşhisi (WMKT) veri setine odaklanarak meme kanseri teşhisi için doğru ve güvenilir bir model geliştirme amacı gütmektedir. Çalışmada, ilk aşamada Minimum Artıklık Maksimum Alaka Düzeyi (MAMA) yöntemi kullanılarak özellik seçimi yapılmıştır. Yöntem, veri madenciliği ve özellik seçimi alanında etkili bir araç olarak kullanılmaktadır. MAMA ile özelliklerin önem sıralaması yapılarak, sadece anlamlı olanlar kullanılmıştır. Özellik seçimi, modelin karmaşıklığını azaltırken performansı artırır. Daha sonra, MAMA ile seçilen bu özellikler, meme kanseri sınıflandırması için oluşturulan Kapılı Tekrarlayan Birim (KTB) tabanlı bir sinir ağı modeli ile sınıflandırılmaktadır. KTB, tek boyutlu özellik serilerini işleme yeteneğine sahiptir ve karmaşık sınıflandırma problemlerinde etkili sonuçlar verir. Sonuçlar, bu yenilikçi yaklaşımın meme kanseri teşhisinde oldukça başarılı olduğunu göstermektedir. Yapılan değerlendirmelerde doğruluk metriği için %98.28, kesinlik metriği için %98.59, duyarlık metriği için %98.59, özgüllük metriği için %97.67 ve F-puanı metriği için %98.59 değerleri elde edilmiştir. Sonuçlar yöntemin klinik uygulamalarda uzmanlara yardımcı olabileceğini ortaya koymaktadır. Önerilen yaklaşımın toplumun her kesimi için erişilebilirlik, basit sistemlerde bile hızlı ve yüksek doğrulukla çalışabilmek gibi önemli avantajları olduğu sonuçlardan anlaşılmaktadır.
Publisher
Afyon Kocatepe Universitesi Fen Ve Muhendislik Bilimleri Dergisi