- Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Dergisi
- Vol: 24 Issue: 72
- A Comparative Study of Automatic Detection of Acute Lymphocytic Leukemia with Machine Learning Metho...
A Comparative Study of Automatic Detection of Acute Lymphocytic Leukemia with Machine Learning Methods
Authors : Canan KOCATÜRK, Cemre CANDEMİR, İlker KOCABAŞ
Pages : 1021-1032
Doi:10.21205/deufmd.2022247229
View : 11 | Download : 1
Publication Date : 2022-09-19
Article Type : Research
Abstract :Akut Lenfositik Lösemi (ALL) en sık görülen lösemi tiplerinden biridir ve çocukların ölüm riski yetişkinlere göre nispeten daha yüksektir. Bu hastalığın erken teşhisi çok kritik olup, kan hücrelerinin morfolojik değişiklikleri incelenerek tespit edilebilir. Bu çalışmada, ALL'nin makine öğrenmesi metodolojileri ile otomatik olarak sınıflandırılması ve tanımlanması üzerine karşılaştırmalı bir çalışma sunuyoruz. Çalışmada, 118 deneğe ait 6500 dijital mikroskobik patoloji görüntüsünden oluşan Kanser Görüntüleme Arşivi tarafından sunulan Akut Lenfoblastik Görüntü Veritabanı (ALL-CDB) kullanılmaktadır. İlk adım olarak geometrik öznitelikler çıkarılmıştır ve ardından Temel Bileşen Analizi (PCA) ile öznitelik seçimi yapılmıştır. Son olarak Naive Bayes, k-En Yakın Komşu (k-NN), Lineer Diskriminant Analizi (LDA), Karar Ağacı (DT), Rastgele Orman (RF), Destek Vektör Makinesi (SVM) ve Çok Katmanlı Algılayıcı (MLP) yöntemleri kullanılarak seçilen öznitelikler üzerinde sınıflandırma işlemi gerçekleştirilmiştir. Metodolojiler arasındaki sonuçlar, doğruluk, kesinlik, hatırlama ve F1-skor metrikleri açısından analiz edilmiştir. Sonuçlara göre MLP, ALL hücrelerini sınıflandırmak için %97 ile hem en yüksek doğruluk hem de F1-skorunu vermektedir.Keywords : Akut Lenfositik Lösemi, makine öğrenmesi, sınıflandırma, karar ağacı, çok katmanlı algılayıcı, destek vektör makinesi, lineer diskriminant analizi, Akut Lenfositik Lösemi, makine öğrenmesi, sınıflandırma, karar ağacı, çok katmanlı algılayıcı, destek vektör makin