KaydedilenlerDerginizi ekleyin

Dergiler / Bitlis Eren Üniversitesi Fen Bilimleri Dergisi / 2022 / Cilt: 11 - Sayı: 2

Makine Öğrenimi Teknikleri ile Göğüs Kanserinin Teşhisi

Breast Cancer Diagnosis with Machine Learning Techniques

Halime DOĞAN
Ahmet TATAR
Alper Kadir TANYILDIZI
Beyda TAŞAR
Sayfa
594–603
Yayın Tarihi
2022-06-30
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Elde edilen sonuçlara göre en yüksek başarı oranı %99.42 ile komşuluk bileşen analizi ve en yakın komşu sınıflandırma algoritması yöntemi kullanılarak elde edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Kanser ölümleri en yüksek oranlı ölüm nedenlerinden biridir.
📊
Temel Bulgular & Veri:Göğüs kanseri kadınlara özgü olduğu sanılsa da erkeklerde de yaygın olarak görülmekte ve erkeklerde görülen göğüs kanserinde ölüm oranı daha yüksek olabilmektedir.
💡
Sonuç & Katkı:Elde edilen sonuçlara göre en yüksek başarı oranı %99.42 ile komşuluk bileşen analizi ve en yakın komşu sınıflandırma algoritması yöntemi kullanılarak elde edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Makine Öğrenimi · Göğüs Kanseri · Wisconsin Veri seti

Özet

Kanser ölümleri en yüksek oranlı ölüm nedenlerinden biridir. Göğüs kanseri kadınlara özgü olduğu sanılsa da erkeklerde de yaygın olarak görülmekte ve erkeklerde görülen göğüs kanserinde ölüm oranı daha yüksek olabilmektedir. Göğüs kanseri hastalığında erken teşhis ve tedavi çok önemlidir. Uzman sistemler, yapay zekâ ve makine öğrenmesi teknikleri ile kanserin erken evrede teşhisine imkân sağlanmakta ve veri analizleri ile sağlık personellerine kolaylık sunulmaktadır. Bu çalışmada en yakın komşu algoritması, temel bileşen analizi ve komşuluk bileşenleri analizi teknikleri kullanılarak göğüs kanserinin tespiti çalışması gerçekleştirilmiştir. Geliştirilen yöntem “Breast Cancer Wisconsin Diagnostic” veri seti kullanılarak geliştirilmiş ve test edilmiştir. Elde edilen sonuçlara göre en yüksek başarı oranı %99.42 ile komşuluk bileşen analizi ve en yakın komşu sınıflandırma algoritması yöntemi kullanılarak elde edilmiştir.

Abstract

Cancer deaths are one of the highest rates of death. Although breast cancer is commonly associated with women, it is sometimes seen in men, and the mortality rate for men with breast cancer may be higher. The importance of early detection and treatment of breast cancer cannot be overstated. Cancer is diagnosed at an early stage thanks to expert systems, artificial intelligence, and machine learning approaches, and data analysis makes life easier for healthcare professionals. The nearest neighbor method, principal component analysis, neighborhood component method approaches were employed to detect breast cancer in this study. "Breast Cancer Wisconsin Diagnostic" database was used to create and test the approach. According to the results obtained, the highest success rate with 99.42% was obtained by using neighborhood component analysis and nearest neighbor classification algorithm method.

🔖

Bu Makaleye Atıf Yap

DOĞAN, H., TATAR, A., TANYILDIZI, A. K., TAŞAR, B. (2022). Makine Öğrenimi Teknikleri ile Göğüs Kanserinin Teşhisi. Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, Cilt: 11 - Sayı: 2, 594–603. https://ajindex.com/articles/477363

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (7)

  1. World Health Organzation, 2020, International Agency for Research on Cancer-IARC, dowload:
  2. Çelik, L., 2020, Meme Kanseri Taramasında Yapay Zeka, download:
  3. Eyupoglu, C. (2018). Breast cancer classification using k-nearest neighbors algorithm. The Online Journal of Science and Technology, 8(3), 29-34
  4. Jeleń, Ł., Krzyżak, A., Fevens, T., & Jeleń, M. (2016). Influence of feature set reduction on breast cancer malignancy classification of fine needle aspiration biopsies. Computers in Biology and Medicine, 79, 80- 91, doi: 10.1016/j.compbiomed.2016.10.007 5. Gupta P., Garg S. (2020). Breast Cancer Prediction using varying Parameters of Machine Learning Models. Procedia Computer Science, vol. 171, pp. 593–601, doi: 10.1016/j.procs.2020.04.064
  5. Chaurasia V., Pal S., Tiwari B. (2018). Prediction of benign and malignant breast cancer using data mining techniques. Journal of Algorithms & Computational Technology, vol. 12, no. 2, pp. 119–126, doi: 10.1177/1748301818756225
  6. Tafish M.H., El-Halees A.M. (2018). Breast Cancer Severity Degree Predication Using Data Mining Techniques in the Gaza Strip,” in 2018 International Conference on Promising Electronic Technologies (ICPET), Deir El-Balah, pp. 124–128, doi: 10.1109/ICPET.2018.00029
  7. Gopal V.N., Turjman F.A., Anand L., Rajesh M. (2021). Feature selection and classification in breast cancer prediction using IoT and machine learning. Measurement, 178, 109442, doi: 10.1016/j.measurement.2021.109442 9. Sawssen B., Okba T. (2022). A novel machine learning approach for breast cancer diagnosis. Measurement, 187, 110233, doi: 10.1016/j.measurement.2021.110233 10. İsmaili F., Shabani L., Raufi B., Adjari J., Zenuni X. (2017). Enhancing breast cancer detection using data mining classification techniques. PressAcademia Procedia, 2nd World Conference on Technology, Innovation and Enterpreunership, 2017, İstanbul, Turkey, doi: 10.17261/Pressacademia.2017.605 11. Ateş İ., Bilgin T.T. (2021). The investigation of the success of different machine learning methods in breast cancer diagnosis. Konuralp Medical Journal, 13(2), 347-356, doi: 10.18521/ktd.912462 12. Sevli O. (2019). Göğüs kanseri teşhisinde farklı makine öğrenmesi tekniklerinin performans karşılaştırması. Avrupa Bilim ve Teknoloji Dergisi, 16, 176-185, doi: 10.31590/ejosat.553549 13. Dua, D., Graff, C. (2019). UCI Machine Learning Repository [http://archive.ics.