Diagnosis of gastric carcinoma tumours by multi class voting
Çoklu sınıf oylaması ile mide tümörü teşhisi
- Tez No: 116167
- Danışmanlar: DOÇ. DR. NİHAN ÇİÇEKLİ, PROF. DR. HALİL ALTAY GÜVENİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: öğrenme, tümevarımsal öğrenme, oylama, çoklu sınıf sınıflandırması, kar maksimizasyonu, öznitelik seçimi, mide tumoru vı, Mide neoplazmları, Çoklu sınıflandırma, Öznitelik izdüşümleri, machine learning, inductive learning, voting, multi-class classification, benefit maximization, feature selection, gastric tumours IV, Stomach neoplasms, Inductive learning, Multi classification, Feature projections, Learning
- Yıl: 2001
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
oz ÇOKLU SINIF OYLAMASI İLE MİDE TÜMÖRÜ TEŞHİSİ Emeksiz, Narin Yüksek Lisans, Bilgisayar Mühendisliği Bölümü Tez Yöneticisi: Doç. Dr. Nihan Kesim Çiçekli Ortak Tez Yöneticisi : Prof. Dr. Halil Altay Güvenir Temmuz 2001, 86 sayfa Bu tezde gastroskopi sırasında görüntülenen mide tümörlerine ait özellikler mide tümörlerinin makina öğreniminde kullanılabilmesi için uygun veri kümesi haline getirilmiştir. Bu veri kümesi üzerinde mide tümörü teşhislerinde kullanılmak üzere Öznitelik İzdüşümü ile Çoklu Sınıflandırma (CFI-M) algoritması uygulanmıştır. CFI-M zaman ve doğru teşhis kriterleri açısından, K Yakın Komşu Sınıflandırması (KNN) ve Yalın Bayesian Sınıflandırması (NBC) algoritmalarıyla kıyaslanmıştır. Mide kanseri veri kümesinde bir hastanın birden fazla tümörü olabilmektedir, ve bu tümörler önem sırasına göre kaydedilmektedir. Buna bağlı olarak CFI-M, KNNve NBC algortimalan çoklu ve sıralı sınıflandırma yapabilecek kapasiteye ulaştırılmışlardır. Algoritmaların doğruluğu her yeni örnek için tahmin edilen sınıfın kar-zarar analizi yapılarak hesaplanmıştır. Bu. yolla her sınıflandırma doğruluk ve tahmin edilen önem derecesine göre puan kazanmış, aksi durumda da puan kaybetmişlerdir. CFI-M de daha önceden sınıflandırılmış olan örneklerden sınıflandırma bilgisini çıkarmak için öznitelik izdüşümüne dayalı bilgi gösterim yöntemi kullanılmıştır. Bu yöntemde her bir öznitelik değeri görülen örneklerdeki ilgili sınıfa ait sayı bilgisini tutar. Yeni bir örneğin sınıflandırılması her bir aralığın verdiği oyların toplamı ile belirlenir. Ayrıca sınıflandırma doğruluğunu daha çok arttırmak için optimum öznitelik alt kümesini seçen genetik algoritmalar uygulanmıştır.
Özet (Çeviri)
ABSTRACT DIAGNOSIS OF GASTRIC TUMORS BY MÜLTI CLASS VOTING Emeksiz, Narin M.S., Department of Computer Engineering Supervisor: Assoc. Prof. Dr. Nihan Kesim Çiçekli Co-Supervisor: Prof. Dr. Halil Altay Güvenir July 2001, 86 pages This thesis presents a medical dataset constructed from the results of gastroscopy done by the gastroenterologists. The use of a machme-learning algorithm called CFI-M (for Classification on Feature Intervals, Multi-class version), to help the gastroenterologists in the diagnosis of the gastric tumors is examined. The CFI-M is evaluated in terms of time and correct diagnosis and compared with other algorithms KNN (K Nearest Neighbor), and NBC (Naive Bayesian Classifier). In a gastric tumour dataset, a patient can have more than one lesion and the placement of the diseases also resembles the importance of tumour. So the algorithms CFI-M, KNN and NBC are revised in a way that enables them to iiipredict multi-class scheme. A new benefit calculation methodology is proposed in which each predicted class gains points for the correct diagnosis and placement but loses some points for the wrong prediction and the misplacement. In CFI-M the training data is stored as feature intervals for each feature value. The classification of an unseen instance is based on the total votes given by each feature interval, resembling the votes of each feature. A genetic algorithm with different cross-over techniques is applied to the domain for the feature selection process in order to filter out irrelevant features and increase the benefit.
Benzer Tezler
- Hepatosellüler karsinoma ve metastatik adenokarsinomun immünhistokimyasal markerler ile boyanma özelliklerinin karşılaştırılması ve bu markerların ayırıcı tanıdaki değeri
The comparison of the staining features of hepatocellular carcinoma and metastatic adenocarcinoma with immunohistochemical markers and the value of these markers in differantial diagnosis
AYÇA UYGUR
- Mide adenokarsinomlarında nöroendokrin diferansiyasyon
Neuroendocrine differentation in gastric adenocarcinomas
FULYA ÖZ PUYAN
- Mide kanserli hastalarda E-cadherin genindeki heterozigosite kaybının araştırılması
To determine loss of heterozigosity of E-cadherin gene in gastric carcinoma
İSMAİL YEGİN
Tıpta Uzmanlık
Türkçe
2004
GastroenterolojiAtatürk Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. SALİM BAŞOL TEKİN
- Mide karsinomlarında cox-2 ekspresyonunun immünhistokimyasal yöntemle araştırılması
Immunhistochemically evaluation of cox-2 expression in gastric carcinoma
KORKUT BOZKURT
Tıpta Uzmanlık
Türkçe
2008
PatolojiSüleyman Demirel ÜniversitesiPatoloji Ana Bilim Dalı
YRD. DOÇ. DR. İ. METİN ÇİRİŞ
- Mide karsinomlarında CD44 ve c-erb-B2(her2/neu) protein ekspresyonunun prognostik faktör olarak önemi
The correlation of expression of the oncogene c-erb-B2 (her2/neu) and the surface macromolecule CD44 glycoprotein with survival of gastric carcinoma patients
ALPER DÖVENTAŞ
Tıpta Uzmanlık
Türkçe
2001
Onkolojiİstanbul Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF.DR. H. FUAT DEMİRELLİ