Enhancement Of Breast Cancer Diagnosis Accuracy With Deep Learning

Authors : İlker YILDIZ, Alper Talha KARADENİZ

Pages : 452-462

Doi:10.31590/ejosat.638428

View : 62 | Download : 15

Publication Date : 2019-10-31

Article Type : Research Paper

Abstract :Meme kanseri, kadınlarda çok sık görülen ve ölümlere neden olan hastalıklardan biridir. Bu çalışmada makina öğrenmesi tekniklerinden biri olan derin öğrenme metodu ile günümüzün büyük bir problemi olan meme kanseri tanısının doğruluğunun geliştirilmesi amacıyla yeni bir yaklaşım ortaya konulmuştur. Tasarlanan yöntemde, literatürde yer alan University of California, Irvine Makina öğrenmesi veri havuzunda bulunan Breast Cancer Wisconsin orjinal veri seti kullanılmıştır. Bu veri setinde 10 adet bağımsız değişken, 1 adet bağımlı değişkenden oluşan 699 veri mevcuttur. Bu verilerden bozuk olan 16 adet veri düzeltilerek tüm veri setinin kullanılması sağlanmıştır. Veri setinin öğrenme süresinin azaltılması amacıyla normalizasyon işlemi yapılmıştır. Kullanılan veri seti, % 80 eğitim için, %10 değerlendirme ve %10 test için ayrılmıştır. Derin öğrenme modeli için bir yapay sinir ağı tasarlanmıştır. Sinir ağı 10 nöronlu giriş katmanı, 1000’er nöronlu 3 adet gizli katman ve 3 nöronlu çıkış katmanı olmak üzere toplam 5 katmandan oluşturulmuştur. Uygulamada geliştirilen yazılım Python programlama dili için, etkileşimli geliştirme ortamı olan Spyder ile kodlanmıştır. Keras sinir ağı API’ si kullanılmıştır. Oluşturulan modelin performansı Confusion Matrix ve ROC (Receiver Operating Characteristic) analizi ile değerlendirilmiştir. Eğitim sonunda elde edilen test verilerine göre gerçekleştirilen modelin başarılı sonuçlar verdiği görülmüştür. Önerilen yöntemin meme kanseri tanısının doğruluğunun geliştirilmesine katkıda bulunacağı değerlendirilmektedir.
Keywords : Derin Öğrenme, Meme Kanseri, Wisconsin Veri seti, Sınıflandırma

ORIGINAL ARTICLE URL