MAKİNE ÖĞRENMESİ İLE KAN TAHLİL SONUÇLARININ SINIFLANDIRILMASI

Abstract

Hastalıkların tez ve başarılı bir şekilde tedavi edilebilmesi için öncelikle teşhislerin hızlı ve doğru olması gereklidir. Hastalıklar ve tıbbi teşhisler alanındaki en son ilerleme de ise teşhisler için makine öğrenmesini kullanarak sınıflandırılması üzerinedir. Makine öğrenmesi ile teşhis tekniğinin kullanılabilmesi için öncelikle deney sonuçlarıyla elde edilen veri setlerinin doğru bir şekilde sınıflandırılması gerekmektedir. Bu tez çalışmasında, teşhislerin doğru bir şekilde sınıflandırılması için iki algoritma birleştirilerek yeni bir algoritma (bileşik) türetilmiştir. Önerilen bileşik algoritmanın hem Çok Katmanlı Algılayıcı Sinir Ağı (MLP NN) hem de Şempanze Optimizasyon Algoritmasının (ChOA) sahip olduğu dezavantajları ortadan kaldıracağı ve sonuçların sınıflandırılmasının daha doğru ve güvenilir hale getirmesi beklenmektedir. Bu tez çalışmasında önerilen algoritma, her ne kadar kan testi sonuçlarının sınıflandırılmasına yönelik kullanılsada kan testi veri setlerine benzer diğer veri setlerinin sınıflandırılmasında da kullanılabilir. Tez çalışmasında sınıflandırılma sonuçlarının ve diğer algoritmalarla karşılaştırılması amacıyla örnek olarak Kabakulak hastalığına ait veri setine MLP NN – ChOA uygulanmıştır. Kabakulak hastalığına ait veri setide kan testi sonucundan elde edilmektedir. Birleşik model ile elde edilen doğruluk değeri, MLP NN, Lojistik Regresyon (LR), Destek Vektör Makinesi (SVM), Rastgele Orman (RF) gibi diğer sınıflandırma amacıyla kullanılan algoritmalarla da karşılaştırılmıştır. Sonuçlar, hazırlanan kullanıcı arayüzünde de görüldüğü gibi her ne kadar verisetine göre doğruluk oranı değişkenlik gösterebilse de MLP NN-ChOA algoritmasının çoğu durumda diğer kıyaslama algoritmalarına kıyasla karşılaştırılabilir bir iyi performans sağladığını göstermektedir