PROSTAT HÜCRE ÇEKİRDEKLERİNİN SINIFLANDIRILMASINDA İSTATİSTİKSEL YÖNTEMLERİN VE YAPAY SİNİR AĞLARININ BAŞARIMI

Bu çalışmada, patolojik verilere uygulanan farklı sınıflandırıcıların başarımları analiz edilmiştir. 80 normal ve 80 kanserli prostat hücre çekirdek imgesinden, Gauss Markov rassal alanlar, Fourier entropi ve dalgacık dönüşümü ortalama sapma öznitelik vektörleri elde edilmiş ve ayrım gücü olanlardan ortak bir öznitelik vektörü oluşturulmuştur. Sınıflandırma için yapay sinir ağları, k-en yakın komşu, en yakın merkez ve doğrusal ayırtaç yöntemleri kullanılmıştır. Bu aşamada, 3-15 arası ara katman düğümüne sahip geri yayılımlı yapay sinir ağı, sınıflandırma amacı ile eğitilip test edilmiştir. En yüksek genel başarım oranını %85.5 ile en yakın merkez sınıflandırıcısı sağlamıştır.