Meta-sezgisel Algoritma Destekli Makine Öğrenmesi Yöntemiyle Tiroid Hastalığının Tespitinde Yeni Bir Yaklaşım

Authors : Nurullah Öztürk

Pages : 1336-1347

Doi:10.35414/akufemubid.1676663

View : 128 | Download : 182

Publication Date : 2025-12-03

Article Type : Research Paper

Abstract :Tiroid hastalığı, her yaş grubunda ve cinsiyette görülebilen, kişinin tiroid bezinin yeterli düzeyde hormon üretmesini engelleyen yaygın sağlık sorunları arasında yer almaktadır. Hastalığın erken dönemde teşhis edilmesi, ilerlemesinin kontrol altına alınması ve olası komplikasyonların önlenmesi açısından büyük önem taşımaktadır. Bu çalışmanın amacı, tiroid hastalığının erken evrede teşhisinde yüksek doğruluk sağlayan yenilikçi bir makine öğrenmesi tabanlı yöntem geliştirmektir. Bu çalışmada, korelasyon tabanlı özellik seçimi, softmax sınıflandırıcı ve Yapay Arı Kolonisi algoritması bir araya getirilerek yeni bir hibrit yöntem önerilmiştir. Önerilen yöntemde, açıklanabilir özellik çıkarımı uygulanmakta, çoklu sınıflandırma yapısına sahip softmax sınıflandırıcı ve Yapay Arı Kolonisi algoritması ile hiperparametre optimizasyonu kullanılarak tiroid hastalığının teşhisi ve sınıflandırma doğruluğu artırılmıştır. Deneysel çalışmalar, UCI makine öğrenme deposunda yer alan “Thyroid Disease” veri seti kullanılarak gerçekleştirilmiştir. Ayrıca, bu çalışmada K-En Yakın Komşu, Destek Vektör Makinası, Yapay Sinir Ağları ve Saf Bayes gibi klasik sınıflandırma algoritmaları da uygulanmıştır. Elde edilen sonuçlar, önerilen hibrit yöntemin uygulanan diğer yöntemlere kıyasla ortalama en iyi doğruluk (%96.11), duyarlılık (%82.38) ve F1-başarım (%80.84) değerlerine ulaştığını göstermektedir. Sunulan bu hibrit yöntem, farklı klinik senaryolarda uygulanabilirliği sayesinde özellikle erken tanı ve tedavi süreçlerinde klinik karar alma mekanizmalarına katkı sağlayabilecek niteliktedir.
Keywords : Tiroid Hastalığı Tespiti, Açıklanabilir Özellik Çıkarımı, Makine Öğrenmesi, Meta-sezgisel Algoritma, Klinik Karar Mekanizması

ORIGINAL ARTICLE URL