PERFORMANCE OF MACHINE LEARNING METHODS IN DETERMINING THE AUTISM SPECTRUM DISORDER CASES

Otizm spektrum bozukluğu insert ignore into journalissuearticles values(OSB); sosyal etkileşim ve iletişim zayıflıkları şeklinde ortaya çıkan kalıtsal ve nörolojik bir gelişimsel bozukluktur. OSB hastalığının teşhisi için klinik yöntemlerin yanında teşhis süresini kısaltmak ve başarımı artırmak için makine öğrenmesi yöntemleri de başarıyla uygulanmaktadır. Makine öğrenmesi yöntemleri yüksek boyutlu ve çeşitli biyomedikal verilerin analizi için sundukları objektif algoritmalar ile hastalıkların teşhisi konusunda yüksek performans göstermektedir. Makine öğrenmesi yöntemleri, verilerdeki çok değişkenli ilişkileri yakaladığı ve bu nedenle verilerdeki ince farkları tespit edebildiği için OSB gibi heterojen durumlar içeren davranışsal bozuklukların tespit edilmesinde başarılı olmaktadır. Bu çalışmada OSB ergen tarama verileri kullanılarak destek vektör makineleri insert ignore into journalissuearticles values(DVM);, k-en yakın komşu insert ignore into journalissuearticles values(kNN); ve rastgele orman insert ignore into journalissuearticles values(RO); makine öğrenmesi yöntemleriyle OSB durumunun hızlı ve doğru olarak teşhis edilmesine yönelik analizler yapılmış ve bu yöntemlerin performansları karşılaştırılmıştır. DVM, kNN ve RO yöntemleri kullanılarak 10-kat çapraz doğrulama ile yapılan ikili sınıflandırma işlemi sonucunda sırasıyla %95, %89 ve %100 doğruluk oranlarına erişilmiştir. Ayrıca, RO yöntemi ile yapılan sınıflamadan % 100 duyarlılık ve belirlilik değerleri elde edilmiştir. Bu çalışma ile OSB ergen tarama verilerini kullanarak RO yöntemi ile yapılan sınıflama sonucunda OSB olgularının tam bir başarı ile tespit edilebildiği gösterilmiştir.