Please use this identifier to cite or link to this item: http://hdl.handle.net/11547/7290
Full metadata record
DC FieldValueLanguage
dc.contributor.authorKiknadze, Mariya-
dc.date.accessioned2021-04-20T09:18:53Z-
dc.date.available2021-04-20T09:18:53Z-
dc.date.issued2020-
dc.identifier.urihttp://hdl.handle.net/11547/7290-
dc.description.abstractGünümüzde meme kanseri (breast cancer) dünyadaki en önemli kötü huylu hastalıklardan biridir. ABD'de meme kanseri, kadınlarda tüm onkolojik hastalıklar arasında birinci sırada yer alır ve akciğer kanserinden sonra onkolojide ölüm nedeninin ikincisidir. Meme kanserinin erken teşhisinde ve tedavisinde son zamanlarda elde edilen büyük başarılara rağmen, ilk aşamalarda teşhisi için yeni yaklaşımlar ve algoritmalar geliştirilmeye devam etmektedir. Meme kanseri, diğer kötü huylu hastalıklar gibi birçok sınıflandırmaya sahiptir. Histolojik, moleküler, fonksiyonel, TNM sınıflandırması bunlardan bazılarıdır. Çoğu kanser vakası hastalığın geç aşamalarında ancak teşhis edilebilir ve tedavi sıklıkla cevap vermez ve hasta kaybedilir. Bu sebepten meme kanserinin erken evrelerde teşhisi hayati önem taşır. Bu çalışmada sınıflandırma testi doğruluğunu, hassasiyet ve özgüllük değerlerini ölçerek sunmakta olan Wisconsin Meme Kanseri Teşhisi (WDBC) veri seti kullanılmaktadır. Uygulamada, veri seti eğitim aşaması için %70 ve test aşaması için %30 olarak bölünmüştür. Bu çalışma yapay sinir ağı kullanarak meme kanseri tahmininde optimizasyon algoritmalarının ve parametrelerin nasıl seçilmesi gerektiğini incelemekte ve farklı seçimlerinin nasıl sonuç verdiğini göstermektedir.tr_TR
dc.subjectYapay Sinir Ağlarıtr_TR
dc.subjectMeme Kanseritr_TR
dc.subjectMeme Kanseri Tahminitr_TR
dc.titleYAPAY SİNİR AĞI KULLANARAK GÖĞÜS KANSERİ HASTALIĞININ TAHMİNİtr_TR
dc.typeThesistr_TR
Appears in Collections:Tezler -- Thesis

Files in This Item:
File Description SizeFormat 
10332028.pdf1.17 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.