Kolektif Öğrenmeye Dayalı Çok Değişkenli Desen Analizinin Klinik Karar Destek Sistemlerinde Uygulanması

Abstract

Çok değişkenli desen analizi (ÇDDA) klinik verilerin incelenmesi içinyaygın olarak kullanılan güçlü bir tekniktir. ÇDDA uygulamalarında genelliklemakine öğrenmesi yöntemleri kullanılmaktadır. Kolektif öğrenme algoritmaları çoksayıda makine öğrenmesi metodunu bir araya getirilerek sınıflama performansınıarttırmaktadır. Kadınlarda en sık görülen ikinci kanser türü olan servikskanseri düşük gelirli ülkelerde önemli bir ölüm nedenidir. İlk evrelerinde belirtigöstermeyen serviks kanseri erken teşhis edildiğinde tamamen tedaviedilebilmektedir. Bu çalışmada rastgele ormanlar, aşırı rassal ağaçlar veAdaboost kolektif öğrenme yöntemleri kullanılarak hastaların serviks kanseririskini çeşitli risk faktörlerinden faydalanarak farklı tarama yöntemleriaçısından tahmin eden bir ÇDDA uygulaması yapılmıştır. Aşırı rassal ağaçlaralgoritmasından Hinselmann, Schiller, sitoloji ve biyopsi tarama yöntemlerininhastaların serviks kanseri olması riskini tahmin başarısı sırasıyla %99, %96,%97 ve %97 olmuştur.

Keywords

• ensemble learning algorithms
• random forests
• extremely randomized trees
• adaboost
• clinical decision support systems
• kolektif öğrenme algoritmaları
• rastgele ormanlar
• aşırı rassal ağaçlar
• adaboost
• klinik karar destek sistemleri