Özellik seçme (FS) ile yapay bağışıklık tanıma sistemi (AIRS) kullanılarak medikal teşhise gidiş
Yükleniyor...
Dosyalar
Tarih
2004-10-08
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
1900' lü yılların yansından itibaren ön plana çıkan ve günümüzde karmaşık problemlerin ve analizlerin çoğunda başlıca çözüm yönelimini oluşturan Yapay Zeka Teknikleri, gün be gün yeni bir uygulama alam kazanmakta ve gelişmektedir. Yapay Zeka Teknikleri arasında henüz yeni diyebileceğimiz bir sistem Yapay Bağışıklık Sistemleri (YBS), problem çözme performansı bağlanımda etkili ve umut vadeden bir sistem olarak karşımıza çıkmaktadır. Başlangıçta Bağışıklık Sistemindeki etkileşimleri modelleyerek Tıp alanındaki araştırmacıların Bağışıklık Sisteminin işleyişini daha iyi kavramasını sağlamak amacıyla ortaya çıkan Bağışıklık Sistemi modelleri YBS' nin ortaya çıkmasında öncü rolü oynamıştır. Bu n modellerde Bağışıklık Sistemindeki bazı özelliklerin (tanıma, hafıza oluşturma, yabancı organizmayı yok etme... vb.) araştırmacıların dikkatim çekmesi üzerine, bu özelliklerden esinlenerek oluşturulmuş modeller geliştirilerek klasik çözüm tekniklerinin başarılı olamadığı karmaşık problemlerin çözümünde kullanılmaya başlanmıştır. Medikal teşhis, Tıp alanında oldukça önemlidir. Medikal analizde karar desteği için modern, etkili ve verimli bir bilgisayar tabanlı bir yöntemin oluşturulması gereklidir. Bu tezde medikal teşhise yardımcı olabilecek bir yöntem sunulmuştur. Bu tezde, İrvine' daki California Üniversitesi Bilgisayar Bölümü makine öğrenmesi veritabamndan elde edilen göğüs kanseri, kalp hastalığı, karaciğer rahatsızlığı ve lenf hastalığı olmak üzere dört farklı hastalığın veritabanı kullanılarak ilgili hastalıklar, Özellik Seçme (FS) ile Yapay Bağışıklık Tanıma Sistemi (AIRS) algoritması ile sınıflandırılmıştır. Ayrıca, Matlab v6.5 programlama dili kullanılarak bu dört veri kümesi üzerinde bir sınıflandırma tekniği olarak AIRS ve FS -AIRS algoritmalarının etkinliği gösterilmiştir. Literatürde konu ile ilgili yapılan çalışmalarda, sınıflama doğruluğu bakımından karşılaştırılmış ve geliştirilen algoritmanın daha iyi performans sağladığı görülmüştür.
Artificial intelligence techniques which have came into existence especially after mid-1990s and which are the most important solution trend for complex problems are improving and having a new application field day by day. Artificial Immune Systems (AIS), which we can say very new, is an effective and prosperous artificial intelligence area with respect to its problem solving performance. In the beginning, it was formed for helping medical experts to understand the working procedure of immune system in more detail by modelling interactions in immune system. But later, some propoerties of immune system (recognition, memory formation, elimination of non-self,..etc) took the attention of researchers by this models and the techniques developed based on these properties rv have begun to be used for conplex problems for which traditional solutions were not successful. Medical diagnosis is very important in medicine. It is necessary to form an efficient and effective computer-based method for decision support in medical analysis. In this thesis, a method that can help medical diagnosis was proposed. The used medical data were taken from machine learning database of California University in Irvine and these data belong to breast cancer, heart disease, liver disorders and lymphoid disease. Each of data was classified with Artificial Immune Recognition System (AIRS) after a feature selection process (FS-AIRS). Comparisons were done with using pure AIRS and FS-AIRS for each dataset. These applications were done by using MATLAB 6.5 programming language. The proposed method was compared with other studies in literature related to this concept and it was seen that proposed method had performed beter than others.
Artificial intelligence techniques which have came into existence especially after mid-1990s and which are the most important solution trend for complex problems are improving and having a new application field day by day. Artificial Immune Systems (AIS), which we can say very new, is an effective and prosperous artificial intelligence area with respect to its problem solving performance. In the beginning, it was formed for helping medical experts to understand the working procedure of immune system in more detail by modelling interactions in immune system. But later, some propoerties of immune system (recognition, memory formation, elimination of non-self,..etc) took the attention of researchers by this models and the techniques developed based on these properties rv have begun to be used for conplex problems for which traditional solutions were not successful. Medical diagnosis is very important in medicine. It is necessary to form an efficient and effective computer-based method for decision support in medical analysis. In this thesis, a method that can help medical diagnosis was proposed. The used medical data were taken from machine learning database of California University in Irvine and these data belong to breast cancer, heart disease, liver disorders and lymphoid disease. Each of data was classified with Artificial Immune Recognition System (AIRS) after a feature selection process (FS-AIRS). Comparisons were done with using pure AIRS and FS-AIRS for each dataset. These applications were done by using MATLAB 6.5 programming language. The proposed method was compared with other studies in literature related to this concept and it was seen that proposed method had performed beter than others.
Açıklama
Anahtar Kelimeler
Yapay bağışıklık sistemleri, Medikal teşhis, AIRS, Özellik seçme, Artificial immune systems, Medical diagnosis, Feature selection
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Polat, K. (2004). Özellik seçme (FS) ile yapay bağışıklık tanıma sistemi (AIRS) kullanılarak medikal teşhise gidiş. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.
