- Avrupa Bilim ve Teknoloji Dergisi
- Issue: 21
- A comparison of various supervised machine learning techniques for prostate cancer prediction
A comparison of various supervised machine learning techniques for prostate cancer prediction
Authors : Ebru Erdem, Ferhat Bozkurt
Pages : 610-620
Doi:10.31590/ejosat.802810
View : 22 | Download : 7
Publication Date : 2021-01-31
Article Type : Research
Abstract :Prostat kanseri dünya genelinde yaygın olarak görülen ve ölüme yol açan kanser türlerinden biridir. Kanserin erken teşhisi hastaların tedavi aşamasında yardımcı olmaktadır. Bu sebeple, hastada görülen belirtilere göre kanser tahmini büyük önem taşımaktadır. Sağlık alanında en büyük sorunlardan biri hastalığı teşhis etmektir. Prostat kanseri semptomlarının değerlendirilmesi için belirli kesin kuralların olmaması ve şu anda yürürlükte olan tanı yöntemlerinin düşük öngörü oranı bu çalışmayı gerekli kılmıştır. Belirli ve kesin kuralların bulunmadığı ve olayı etkileyen faktörlerin öngörülebildiği sorunların çözümünde makine öğrenimi yöntemlerinin etkili olabileceği düşünülmektedir. Bu farkındalığın bilinci ile bilgisayar destekli sistemler tarafından çeşitli çözümler geliştirilmektedir. Bu çalışmada, prostat kanserinin tahmini için çeşitli denetimli makine öğrenme algoritmalarının (destek vektör makineleri, rastgele orman, k-en yakın komşu, lojistik regresyon, doğrusal regresyon, Naive Bayes, doğrusal ayrımcılık analizi, doğrusal sınıflandırma, çok katmanlı algılayıcılar ve derin yapay sinir ağları gibi ) performansını karşılaştırır ve tartışırız. Bu çalışmada 100 hastanın gözlemlerinden oluşan açık erişimli çevrimiçi prostat kanseri verisi kullanılmıştır. Temel amaç her algoritmanın verilerin sınıflandırılmasındaki doğruluğunu, etkinlik ve verimlilik açısından hassasiyet, recall, AUC, F1-Score ve doğruluğa göre değerlendirmektir. Yöntemlerin doğruluğu, eğitim ve test verilerine göre değişebilir. Daha istikrarlı sonuçlar elde etmek için, her bir algoritmayı 10’dan fazla çalıştırdık ve en iyi 5 performansını kaydettik. Sonuçlar çok katmanlı algılayıcının (MLP), diğer yaklaşımlara göre göre daha iyi olan yüksek tahmin doğruluğu ile sonuçlanabildiğini göstermektedir. Deneysel sonuçlar, MLP'nin en yüksek doğruluğu (%97) ve en düşük hata oranını (0.03) verdiğini göstermektedir. MLP sınıflandırıcısı, bu çalışmada kullanılan diğer algoritmalardan daha iyi performans gösterdi ve doğruluk, AUC ve F1 puan performans kriterleri açısından literatürde bildirilen en iyi çalışmalardan biridir. Sonuç olarak, bilgisayarın hasta bilgilerine dayanarak makine öğrenmesi yöntemleri ile eğitilmesi durumunda, kanseri tahmin etmede yüksek bir doğrulukla klinik olarak yararlı olabileceğini söyleyebiliriz. Böylece hastaya gereksiz bir biyopsi önlenebilir.Keywords : Prostat kanseri, denetimli makine öğrenmesi, yapay sinir ağları, derin öğrenme, sınıflandırma, performans, etkinlik, verimlilik