Geri Dön

Gail modeli ile makine öğrenmesi algoritmalarının meme kanseri risk değerlendirmesinde karşılaştırılması

Comparison of the machine learning algorithms in breast cancer risk assessment with the gail model

  1. Tez No: 661016
  2. Yazar: BERFU PARÇALI
  3. Danışmanlar: PROF. DR. FEZAN MUTLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Algoritmalar, Gail modeli, Makine öğrenmesi, Meme hastalıkları, Meme neoplazmları, Neoplazmlar, Risk değerlendirmesi, Yapay sinir ağları, Algorithms, Gail model, Machine learning, Breast diseases, Breast neoplasms, Neoplasms, Risk assesment, Artificial neural networks
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Meme kanserinin erken aşamada teşhis edilmesi; tedavi yöntemlerinin sayısını, tedavinin başarıya ulaşma oranını ve hayatta kalma şansını arttırmaktadır. Gail Modeli, meme kanserinde temel faktörleri değerlendiren, kabul görmüş kanser riski değerlendirme modelidir. Bu çalışmada Gail Modeli baz alınarak makine öğrenmesi yöntemlerinin meme kanseri risk değerlendirmesinde karşılaştırılması amaçlanmıştır.İlk olarak veri setine Gail Modeli uygulanmış ve risk faktörü belirlenmiş, %70 eğitim %30 test ve %80 eğitim %20 test olmak üzere 2 ayrı eğitim test veri seti oluşturulmuştur. Daha sonra veri setlerine k-En Yakın Komşu, Yapay Sinir Ağları, Destek Vektör Makinesi ve Naive Bayes algoritmaları uygulanmış ve risk tahmin sonuçları karşılaştırılmıştır. Karşılaştırma sonuçlarına göre %70 eğitim %30 test veri seti için sınıflandırma performansı en düşükten en yükseğe doğru sırası ile k-NN (AUC=0.5375), NB (AUC=0.8542), SVM (AUC=0.9375) ve YSA(AUC=0.9875) şeklindedir. %80 eğitim %20 test veri seti için sınıflandırma performansı en düşükten en yükseğe doğru sırası ile k-NN (AUC=0.5892), SVM (AUC=0.9088), NB (AUC=0.9305) ve YSA (AUC=0.9718) şeklindedir.

Özet (Çeviri)

Early diagnosis of breast cancer increases the number of possible treatments, the success rate of the treatments and the chance of survival. The Gail Model is a well accepted cancer risk assessment model which evaluates the main factors in breast cancer. The aim of this work is compare machine learning methods in breast cancer risk assessment based on the Gail Model.SVM, k-NN, ANN, NB algorithm with the purpose of breast cancer risk assessment. Firstly, risk factor was determined using the Gail method on the dataset, then dataset was divided into training - testing sets using 70 - 30 and 80 - 20 splits which resulted in two seperate training and testing sets. Afterwards, on each set, k-NN, ANN, SVM and NB algorithms were applied and results were compared based on the classification performance. According to the comparison results, the classification performance for 70% training and 30% test data set was k-NN (AUC=0.5375), NB (AUC=0.8542), SVM (AUC=0.9375) and ANN (AUC=0.9875) directly from from lowest to highest. On the other hand, for 80% training and 20% test data set, classification performance wasis from lowest to highest, respectively, k-NN (AUC=0.5892), SVM (AUC=0.9088), NB (AUC=0.9305) and ANN (AUC=0.9718).

Benzer Tezler

  1. Quest for personhood: and analysis of female characters in Gail Godwin's The Perfectionists, Glass People, The Odd Woman, Violet Clay

    Başlık çevirisi yok

    HÜRRİYET KONUR

    Doktora

    İngilizce

    İngilizce

    1990

    Amerikan Kültürü ve EdebiyatıHacettepe Üniversitesi

    Batı Dilleri ve Edebiyatları Ana Bilim Dalı

    PROF.DR. EMEL DOĞRAMACI

  2. İstanbul Art Nouveau mimarisinde dekoratif amaçlı demir malzeme kullanımı

    The Decorative use of iron in İstanbul Art Nouveau architecture

    PELİN AYKUT

    Yüksek Lisans

    Türkçe

    Türkçe

    1992

    Mimarlıkİstanbul Teknik Üniversitesi

    Sanat Tarihi Ana Bilim Dalı

    PROF. DR. AFİFE BATUR

  3. Conformational analysis of blood group oligosaccharides

    Kan grubu şekerlerinin konformasyonel analizi

    F.AYLİN SUNGUR

    Yüksek Lisans

    İngilizce

    İngilizce

    1997

    KimyaBoğaziçi Üniversitesi

    PROF. DR. DİLEK ÇALGAN

  4. Merleau-Ponty: Dialectic without synthesis and the ontology of the artwork

    Merleau-Ponty: Sentezsiz dialektik ve sanat yapıtı ontolojisi

    FİONA GAİL TOMKİNSON

    Yüksek Lisans

    İngilizce

    İngilizce

    2000

    FelsefeBoğaziçi Üniversitesi

    Felsefe Ana Bilim Dalı

    PROF. DR. ÖNAY SÖZER

  5. Postmenopozal kadınlarda meme dansitesi ile prolaktinin ilişkisi

    Başlık çevirisi yok

    NİHAL GÜL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2003

    Kadın Hastalıkları ve DoğumPamukkale Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı