Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: Zainab Subhi Mahmood HAWRAMI
Danışman: Hacı Hasan Örkcü
Özet:
Meme kanseri, son zamanlarda dünyada en yaygın kanser türlerinden biri haline gelmiştir. Kanser vücuttaki hücrelerin kontrolsüz ve anormal şekilde büyümesidir. , vücudun doğal kontrol mekanizmalarının çalışmayı bırakması kanserin geliştiği anlamına gelmektedir. Dünya Sağlık Örgütüne göre 2020 yılında dünya genelinde meme kanserinden 684.996 ölüm gerçekleşmiştir. 2022’de 43.250 kadın ve 530 erkeğin meme kanserinden öleceği tahmin edilmiştir. Her yıl birçok meme kanseri hastası tanı ve tedaviye geç başvurulmasına bağlı olarak hayatını kaybetmektedir. Bu nedenle meme kanserinin erken teşhisi hayati önem arz etmektedir. X-ray mamografi en çok tercih edilen görüntüleme yöntemi olmasına rağmen kanser teşhisi için tek başına yeterli değildir. Son yıllarda meme kanserine erken tanı koymak için makine öğrenme ve derin öğrenme teknikleri kullanılmaktadır. Derin öğreme, makine öğrenmenin bir alt alanıdır ve yapay zekâ problemlerini çözmek amacıyla kullanılmaktadır. Bu çalışmada, UCI makine öğrenimi veri deposundan gelen ve meme kanseri vakaları için ölçümleri kaydeden Meme Kanseri Wisconsin veri seti kullanılmıştır. Bu veri setinde 357’si iyi huylu, 212’si kötü huylu olan toplamda 569 denek yer almaktadır. En Yakın K Komşu, Lojistik Regresyon, Rastgele Orman, Destek Vektör Makineleri, Karar Ağacı, Naive Bayes, çok katmanlı algılayıcılar ve Yapay Sinir Ağı algoritmaları sınıflandırma amacıyla kullanılmıştır. Algoritmalar, en iyi sınıflandırma algoritmasını belirlemek için yedi performans kriteri kullanarak değerlendirilmiştir. Bu çalışma, meme kanseri tümörlerini modern teknolojiler ile makine öğrenmesi algoritmaları ve derin öğrenme kullanarak daha doğru sonuçlarla iyi huylu ve kötü huylu tümörler olarak sınıflandırarak meme kanserini erken teşhis etmeyi amaçlamıştır.
Anahtar Kelimeler : Makine öğrnemesi, derin öğrenme, meme kanseri teşhisi