CENTROID SINIFLAYICILAR YARDIMIYLA MEME KANSERİ TEŞHİSİ

Abstract

Meme kanseri kadınlarda en sık görülen kanser türüdür. Artan meme kanseri vakaları nedeniyle meme kanserinde erken teşhis eskisinden daha önemli hale gelmiştir. Erken teşhis için yaşa bağlı birçok yöntem bulunmakla birlikte en sık kullanılan yöntem mamografidir. Bununla birlikte mamografi görüntülerini yorumlamada radyologların yaşadığı görüş ayrılıkları erken teşhis konusunda daha güvenilir sonuçlar veren bilgisayar destekli karar verme mekanizmalarını bir seçenek haline getirmiştir. Bu kapsamda; destek vektör makineleri, yapay sinir ağları ve karar ağaçları gibi makine öğrenmesi yöntemleri bilgisayar destekli karar vermede bugüne kadar kullanılmıştır. Bu çalışmada diğerlerinden farklı olarak centroid tabanlı sınıflayıcılar erken teşhis için ele alınmıştır. Bu tercihin en önemli nedeni centroid sınıflayıcıların karmaşıklığı düşük fakat performansı yüksek sınıflayıcılar olmasıdır. Centroid sınıflayıcılar meme kanseriyle ilgili; Wisconsin, Diagnostic ve Prognostic veri setleri üzerinde test edilmiştir. Centroid sınıflayıcılar ve diğer makine öğrenmesi yöntemleri arasında karşılaştırmalar yapılmış ve sonuçlar doğruluk ve zaman açısından raporlanmıştır. En yüksek sınıflandırma doğruluğunu %99,04 değeriyle Euclidian tabanlı centroid sınıflayıcı vermiştir. Centroid sınıflayıcılar hız açısından da diğer sınıflayıcılara üstünlük sağlamıştır.

Breast cancer is a common cancer type among women. With its increasing incidence early diagnosis has become more important. There are a variety of age-dependent methods for early diagnosis of breast cancer but mammography is the most used method. However, the radiologists show considerable variability in how they interpret a mammogram. Therefore, there is need computer-aided decision-making mechanisms for more reliable results. In this scope various machine learning techniques such as support vector machines, multi layer perceptron and decision trees have been used to early diagnosis in recent years. In this study, centroid-based classifiers are examined for the early diagnosis of breast cancer. The most important reason for this preference is centroid classifiers have low complexity and high performance. Experiments were evaluated on Wisconsin, Diagnostic and Prognostic Dataset. Comparisons between centroid classifiers and the orher classifiers have been done and the results have been presented in terms of accuracy and speed. The highest classification accuracy obtained in the experiments is 99.04%. This classfication rate belongs to the centroid based classifier using the Euclidian measurement. Also, centroid classifiers outperform the other classifiers in terms of classification speed.