Destek vektör makineleri ve çok katmanlı algılayıcı ağı ile prostat kanseri ön teşhisi
Prostate cancer pre-diagnosis with support vector machines and multilayer perception network
- Tez No: 773630
- Danışmanlar: DOÇ. DR. FATİH ÇEMREK
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Destek vektör makineleri, Prostat neoplazmları, Yapay sinir ağları, Support vector machines, Prostatic neoplasms, Artificial neural networks
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Uygulamalı İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay zeka sağlık alanın yeni çözümler getirerek bilgisayar tabanlı teşhis ,tedavi konusunda devrim yapmaktadır.Bu çalışmada klasik istatistiksel yöntemlerin dışına çıkılarak yapay zeka temelli makine öğrenim yöntemleriyle prostat kanseri ön tanısı için sınıflandırma modelleri üretilmiştir.Çalışmada kullanılan veriler Eskişehir Osmangazi Üniversitesi Tıp Fakültesinde 2010 -2021 yılında üroloji kliniğine başvuran hastalardan oluşmaktadır.Retrospektif kohort çalışması şeklinde veri toplanması gerçekleşmiştir.Çalışma veriler birincil ve ikincil olmak üzere iki örneklem üzerinden yürütülmüştür.Uygulamada makine öğrenim yöntemlerinden; yapay sinir ağları ve destek vektör makineleri kullanılmıştır.Birincil örneklemde en iyi sınıflandırma modeli destek vektör makineleri olup doğruluk %68, duyarlılığı %43,özgüllük %84 ölçülmüştür. İkincil örneklemde de en iyi perfonmasa sahip sınıflandırma modeli destek vektör makineleri olup doğruluk %68, duyarlılığı %43, özgüllük %84 ölçülmüştür. Birden fazla model denenerek en iyi sınıflandırma sonuçlarına ulaşılmıştır.
Özet (Çeviri)
Artificial intelligence revolutionizes computer-based diagnosis and treatment by bringing new solutions to the field of health. In this study, classification models were produced for prostate cancer prediagnosis with artificial intelligence-based machine learning methods by going beyond classical statistical methods. It consists of patients who applied to the urology clinic. Data collection was carried out in the form of a retrospective cohort study. The study was conducted on two samples, primary and secondary. In practice, machine learning methods; Artificial neural networks, and support vector machines were used. In the primary sample, the best classification model was support vector machines, with an accuracy of 68%, a sensitivity of 43%, and a specificity of 84%. In the secondary sample, the classification model with the best performance was support vector machines, with an accuracy of 68%, a sensitivity of 43%, and a specificity of 84%. The best classification results were obtained by testing more than one model.
Benzer Tezler
- Derin öğrenme kullanılarak tekstil desenlerinin sınıflandırılması
Classification of textile patterns using deep learning
ERHAN ERDOĞAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAydın Adnan Menderes ÜniversitesiMatematik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RIFAT AŞLIYAN
- Yapay öğrenme ile DNA- ve RNA-bağlayıcı proteinlerin sınıflandırılması
Classification of DNA- and RNA-binding proteins by artificial learning
ÖZGÜR CAN ARICAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiSağlık Biyoinformatiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR GÜMÜŞ
- Otizm spektrum bozukluğunun fonksiyonel manyetik rezonans görüntülerine dayalı makine öğrenmesi teknikleri ile teşhisi
Diagnosis of autism spectrum disorder with machine learning techniques based on functional magnetic resonance images
MUHAMMED ALİ BAYRAM
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBandırma Onyedi Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. FEYZULLAH TEMURTAŞ
DOÇ. DR. İLYAS ÖZER
- Fidye yazılımlarının makine öğrenmesi yöntemleri ile tespit edilmesi
Detection of ransomware using machine learning algorithms
VOLKAN OKUR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiAdli Bilişim Ana Bilim Dalı
PROF. DR. MURAT GÖK
- Enhanced generalized regression neural network for large datasets
Büyük veri setleri için geliştirilmiş genelleştirilmiş regresyon yapay sinir ağı
SERKAN KARTAL
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ORAL