Eritematöz Skuamöz Hastalıkların Teşhisinde Makine Öğrenme Algoritmalarının Etkisi

Authors : Gürkan BİLGİN, Ahmet ÇİFCİ

Pages : 195-202

Doi:10.38016/jista.901670

View : 17 | Download : 5

Publication Date : 2021-09-23

Article Type : Research Paper

Abstract :Eritematöz skuamöz hastalıkların ayırıcı tanısı dermatolojide önemli problemlerden biridir. Hepsi birbirleri arasında, çok az farkla eritem ve ölçeklenmenin klinik özelliklerini paylaşmaktadırlar. Bu gruba dâhil olan hastalıklar; sedef hastalığı, seboreik dermatit, liken planus, gül hastalığı insert ignore into journalissuearticles values(pityriasis rosea);, kronik dermatit ve pityriasis rubra pilaris olarak sınıflandırılabilmektedir. Tanı için genellikle biyopsi gereklidir ancak ne yazık ki bu hastalıklar pek çok histopatolojik özelliği de paylaşmaktadır. Diğer taraftan, son yıllarda özellikle bilgisayar teknolojisindeki gelişmeler ve yapay zekâ teknolojileri, biyomedikal alanda kendine geniş bir uygulama alanı bulmuştur. Tıbbi cihazlarda bilgisayar teknolojilerinin kullanılmasıyla daha hassas, daha hızlı, insandan kaynaklanan hataları minimize eden cihazlar geliştirilmektedir. Dolayısıyla, bu çalışmada, makine öğrenme algoritmaları deri hastalıklarının sınıflandırılması ve tahmininde ne kadar etkili olmaktadır onun araştırılması yapılmıştır. Bu çalışmada, 366 hastaya ait 33 nitelikten oluşan deri doku örnekleri, Destek Vektör Makineleri insert ignore into journalissuearticles values(Support Vector Machines - SVM);, Topluluk Öğrenme Algoritmaları insert ignore into journalissuearticles values(Ensemble Learning Algorithms - ELA);, Karar Ağaçları insert ignore into journalissuearticles values(Decision Trees - DT); ve k-En Yakın Komşuluk insert ignore into journalissuearticles values(k-Nearest Neighborhood - k-NN); ile sınıflandırılmış ve en yüksek doğruluk değerleri kaydedilmiştir. Buna göre deri hastalıklarının ayrıştırılması ve sınıflandırılması ile ilgili etkiler araştırılmıştır. SVM ile bu veri setinde, önceki tüm çalışmalardan daha yüksek olan %99.73`lük bir doğruluk elde edilmiştir.
Keywords : deri hastalıkları, destek vektör makinesi, topluluk öğrenme algoritmaları, karar ağaçları, k en yakın komşuluk