Akciğer hastalıkları teşhisinde sınıflandırma ve bulanık mantık yöntemlerinin uygulanması
| dc.contributor.author | Kaya, Hilal | |
| dc.contributor.author | Askerbeyli, İman(Danışman) | |
| dc.date.accessioned | 2019-03-13T08:35:27Z | |
| dc.date.available | 2019-03-13T08:35:27Z | |
| dc.date.issued | 2018 | |
| dc.description.abstract | İnsanlar geçmişten günümüze yaşamlarını kolaylaştırmak amacıyla akıllı ve kontrol edilebilir, karar verebilme yeteneğine sahip yeni yöntemler aramaya ve geliştirmeye devam etmektedir. İnsanlara ait veriler ve tecrübelerin çeşitli yöntemler ile işlenerek programlar aracılığı ile makinelere çalışabilme yeteneğinin kazandırılması için bu ihtiyaçlardan doğan alanlar olan yapay zeka ve bulanık mantık yaklaşımları oldukça popüler hale gelmiştir. Yapay zeka ve bulanık mantık metodolojileri, birçok alanda aktif olarak kullanılmasının yanı sıra bu tez çalışmanın da alanı olan medikal alanda sınıflandırma, tanıma, tahmin, veri ilişkilendirme, teşhis, yorumlama ve karar verme gibi amaçlarla kullanılmakta, bu teknolojiler tıp alanında geniş çapta uygulama alanı bulmaktadır. Çalışmada akciğer zarı kanseri olarak bilinen Mezotelyoma hastalığının teşhisi için bulanık mantık yöntemleri ve yapay sinir ağlarının entegrasyonundan oluşan bir yaklaşım olan ANFIS (Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi) ile bulanık bir çıkarım sisteminin tasarlanması amaçlanmıştır. Model oluşturulurken kullanılan kümeleme yöntemlerinin (Izgara Bölümleme, Alt Kümeleme, Bulanık-C Ortalamalar) genel performansları değerlendirilmiş, büyük veri setleri için kullanılabilecek boyut azaltım metodu olan Temel Bileşenler Analizi işlenmiştir. Model için gerçek veriler ile oluşturulan ve hastalığın teşhisinde kullanılabilecek faktörleri içeren bir veri seti kullanılmıştır. Elde edilen tahmin sonuçları, ortalama hata kareleri kökü ve doğruluk matrisine göre hesaplanan yüzde doğruluk oranları üzerinden değerlendirilmiştir. Bulanık mantığın MATLAB programı üzerinde geliştirilen ANFIS tabanlı tahmin modeline adapte edilmesi için kullanılan kümeleme yöntemlerinden en iyi sonuçların Bulanık-C Ortalamalar (Fuzzy-C Means) ile alındığı deneyler sonucunda görülmüştür. Sonuç olarak ANFIS ile oluşturulan modelin başarılı ve tatmin edici bir tahmin performansı gösterdiği kanısına varılarak uygulanabilirliği gözlenmiştir. İnsan uzmanlığının maliyetini, zamanını ve verilen karar için hata oranını azaltmak amacıyla tasarlanan bu karar destek sistemi, sağlık alanında uzman kişiler tarafından Mezotelyoma teşhisinde kullanabileceği gibi, medikal bağlamda bu yaklaşımlar ile yapılacak diğer çalışmalara ışık tutmaktadır. People continue to seek and develop new ways of intelligent and controllable, decision-making in order to facilitate their lives from past to present. Artificial intelligence and fuzzy logic approaches, which are the fields that arise from these needs, have become very popular in order to gain the ability of people to work with machines through various methods. In addition to the active use of artificial intelligence and fuzzy logic methodologies in many fields, this thesis is used in the medical field which is the field of this study, for classification, recognition, estimation, data association, diagnosis, interpretation and decision making, and these technologies are widely used in medicine. In this study, it is aimed to design a fuzzy inference system with ANFIS (Adaptive Neuro Fuzzy Inference System) which is an approach integration of fuzzy logic methods artificial neural networks for the diagnosis of mesothelioma disease which is known as lung membrane cancer. Clustering methods (Grid Partitioning, Subtractive Clustering, Fuzzy-C Means Clustering) used in creating the model and its‟ general performances were evaluated and Principal Component Analysis dimension reduction method that can be used when working with large datasets were processed. For the proposed model in the study, firstly factors used in the diagnosis of the disease and a data set with real data were used and the estimation results were evaluated on the basis of mean error frames and the accuracy matrix. Fuzzy logic was adapted to the ANFIS-based prediction model developed on the MATLAB program and as a result of the experiments, it was observed that the best results of the clustering methods were taken by the Fuzzy-C Means clustering method. Consequently, the applicability of the ANFIS-generated model was found to be successful and satisfactory. This decision support system, designed to reduce the cost, time and error rate of human expertise and it can be used by the experts in the field of health to diagnose mesothelioma. This study sheds light on the other studies to be carried out with these approaches in the medical context. | tr_TR |
| dc.identifier.uri | http://hdl.handle.net/20.500.12575/41696 | |
| dc.language.iso | tr | tr_TR |
| dc.relation | Ankara Üniversitesi Fen Bilimleri Enstitüsü | tr_TR |
| dc.subject | Malign Mezotelyoma | tr_TR |
| dc.subject | Bulanık Mantık | tr_TR |
| dc.subject | ANFIS | tr_TR |
| dc.subject | Hastalık Teşhisi | tr_TR |
| dc.subject | Izgara Bölümleme | tr_TR |
| dc.title | Akciğer hastalıkları teşhisinde sınıflandırma ve bulanık mantık yöntemlerinin uygulanması | tr_TR |
| dc.type | masterThesis | tr_TR |