Özet:
Günümüzde 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
