DOĞA İLHAMLI OPTİMİZASYON KULLANARAK ÖZELLİK SEÇİMİ VE MAKİNE ÖĞRENMESİ İLE MEME KANSERİ TEŞHİSİ

Authors : Onur SEVLİ

Pages : 442-452

Doi:10.21923/jesd.1023451

View : 15 | Download : 9

Publication Date : 2022-06-30

Article Type : Research Paper

Abstract :Meme kanseri kadınlarda en yaygın görülen kanser türü ve en çok ölüme sebep olan hastalıktır. Erken teşhis ve tedavi edilirse iyileşme ve hayatta kalma oranı yükselmektedir. Makine öğrenmesi, medikal alanda farklı uygulamalarıyla kanser türlerinin erken teşhisinde uzmanlar için başarılı bir karar destek rolü oynamaktadır. Bir hastalığın tanısı için toplanan çok sayıda özelliğin tümünün birlikte kullanımı analiz süreci ve başarısını olumsuz etkileyebilmektedir. Toplanan verilerden en etkin özniteliklerin seçilmesi ve bunları kullanarak tahminlemeler yapılması teşhis başarısını artırabilmektedir. Bu çalışmada meme kanseri konusunda literatürde yaygın kullanılan UCI WDBC veri seti üzerinde KNN, RO ve DVM algoritmaları ile öznitelik seçimi olmadan ve öznitelik seçimi uygulanarak sınıflamalar gerçekleştirilmiştir. Öznitelik seçimi konusunda başarılı sonuçlar sağlayan doğa ilhamlı algoritmalardan Guguk Kuşu Arama insert ignore into journalissuearticles values(GKA);, Parçacık Sürü Optimizasyonu insert ignore into journalissuearticles values(PSO);, Balina Optimizasyon insert ignore into journalissuearticles values(BO); algoritması ve Kızıl Geyik insert ignore into journalissuearticles values(KG); algoritması kullanılarak ve bu algoritmaların 25,50 ve 75 parçacıklı sürüleri ile 30 öznitelikli orijinal WDBC veri seti üzerinde öznitelik seçimleri gerçekleştirilmiştir. En yüksek doğruluk 75 parçacıklı GKA ile seçilen 16 adet öznitelik ile RO sınıflandırıcı kullanılarak %99.12 olarak elde edilmiştir. Öznitelik seçimi yapılarak gerçekleştirilen sınıflamalardaki doğruluklarının, seçim yapılmadan elde edilen sonuçlardan yüksek olduğu görülmüştür. Eldeki bulgular literatürdeki çalışmalar ile karşılaştırılmış ve daha yüksek başarı sağladığı gözlenmiştir.
Keywords : Meme Kanseri Teşhisi, Doğa İlhamlı Optimizasyon, Özellik Seçimi, Makine Öğrenmesi