Views
1
Kanser hastalığı, dünyadaki en yüksek ikinci ölüm nedeni olarak bilinmektedir. Bu hastalığın en yaygın türlerinden biri de cilt kanseridir. Hemen hemen tüm kanser hastalıklarında olduğu gibi cilt kanserinde de erken teşhis, tedavi sürecinde oldukça büyük bir öneme sahiptir. Kanser hastalığının teşhisi sürecinde, geleneksel yöntemlerin yanı sıra Makine Öğrenmesi tabanlı yöntemler de yaygın olarak kullanılmaktadır. Sözkonusu yöntemlerin en önemli avantajı, kanser teşhisi sürecinde insan kaynaklı doğabilecek hataları ortadan kaldırması veya minimize etmesidir. Bu çalışmada, hastalardan alınan görüntüler kullanılarak K-En Yakın Komşu (KNN), Naive Bayes (NB), Rastgele Orman (RO), Lojistik Regresyon (LR) ve Yapay Sinir Ağları (YSA) yöntemleri ile cilt kanseri hastalığı teşhis edilmiştir. Bu algoritmalarda eğitim ve test süreci işletilerek sonuçlar analiz edilmiş ve modeller oluşturulmuştur. Bu modeller ile iyi ve kötü huylu lezyonlar karşılaştırılmış ve cilt kanseri olan lezyonlar tespit edilerek başarı yüzdeleri ortaya konulmuştur. Sonuç olarak, en iyi sonuçlar eğitim yüzdesi %99.1, test yüzdesi ise %98.6’lık bir oran ile Yapay Sinir Ağları yöntemi kullanılarak elde edilmiştir. Oluşturulan ve önerilen yapay sinir ağı modeline farklı girdiler verildiğinde, modelin cilt kanseri hastalığını yüksek bir doğruluk oranıyla tahmin ettiği görülmüştür. Elde edilen sonuçlar, yapılan çalışmanın başarısını ve makine öğrenmesi yöntemlerinin kanser teşhisi sürecinde kullanılabilir bir yöntem olduğunu ortaya koymuştur.
Cancer disease is known as the second highest cause of death in the world. One of the most common types of this disease is skin cancer. As in almost all cancer diseases, early diagnosis and treatment of skin cancer is of great importance. In the process of diagnosing cancer, Machine Learning-based methods are also widely used in addition to traditional methods. The most important advantage of these methods is that they eliminate or minimize human errors that may arise during the cancer diagnosis process. In this study, skin cancer was diagnosed with K-Nearest Neighbor (KNN), Naive Bayes (NB), Random Forest (RO), Logistic Regression (LR), and Artificial Neural Networks (ANN) methods using images taken from patients. In these algorithms, the training and testing process was run, the results were analyzed and models were created. With these models, benign and malignant lesions were compared and skin cancerous lesions were detected and success percentages were revealed. As a result, the best results were obtained using the ANN method, with a training percentage of 99.1% and a testing percentage of 98.6%. When different inputs were given to the created and proposed ANN model, it was observed that the model predicted skin cancer with a high accuracy rate. The results obtained revealed the success of the study and that machine learning methods are a usable method in the cancer diagnosis process.
Field : Mühendislik
Journal Type : Ulusal
Article Detail 
Similar Articles
Download PDF
Journal Information
Listen Paper
Cite
Print This Page
Share
Mendeley
