A FAST INTELLIGENT DIAGNOSIS SYSTEM FOR THYROID DISEASES BASED ON EXTREME LEARNING MACHINE

TİROİT HASTALIKLARIN TEŞHİSİ İÇİN AŞIRI ÖĞRENME MAKİNESİ TABANLI UZMAN BİR TANI SİSTEMİ

Özet

Tiroit bezi dışarıdan alınan iyot minerali ile tiroksin denilen hormonları yapan bir organdır.İnsana ait tüm metabolizma faaliyetleri bu hormonları tarafından kontrol edilmektedir. Bu hormonlarınaşırı salınması hyperthyroidism, az salınması ise hypothyroidism bozuklarının ortaya çıkmasına nedenolmaktadır. Klinik uygulamalarda tiroit verilerin yorumlanarak tiroit bezi bozukluğu tanısınınkonulması önemli bir sınıflandırma problemi olarak karşımıza çıkmakta. Bu çalışmada UCI makineöğrenmesi veri tabanından alınan tiroit veri setine aşırı öğrenme makinesi (AÖM) yöntemiuygulanmıştır. AÖM hızlı öğrenebilen tek gizli katmanlı ileri beslemeli bir yapay sinir ağ modelidir.Ele alınan veri seti için AÖM, diğer makine öğrenmesi yöntemlere göre hem sınıflandırma başarısıhem de hız bakımından önemli avantajlar sağladığı görülmüştür. AÖM ile elde edilen sınıflandırmabaşarısı 96.79 % olarak elde edilmiştir.

Abstract

With iodine taken from outside, the thyroid gland is an organ that secretes hormones calledthyroxin. All metabolic functions of human beings are controlled by these hormones. An overactivethyroid gland which is producing an excessive amount of these hormones causes hyperthyroidism,while an underactive thyroid gland that is not producing enough of these hormones causeshypothyroidism. The diagnosis of thyroid gland disorders by assessing the data of thyroid in clinicalapplications comes out as an important classification problem. In this study, Extreme LearningMachine (ELM) was applied to the thyroid data set taken from UCI machine learning repository. TheELM is single hidden layer feed-forward artificial neural network model which can be learnt fast. Itwas seen that the ELM, for the data set, has the upper hand in terms of both classification accuracy andspeed when compared to other machine learning methods. The classification accuracy obtainedthrough the ELM is 96.79% for 70-30% training-test partition.