Yazar "Eyüpoğlu, Can" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    A New Classification Method Based on Machine Learning Techniques for Cancer Diagnosis
    (Bilecik Şeyh Edebali Üniversitesi, 2020) Eyüpoğlu, Can; Yavuz, Erdem
    One of the major causes of human death is cancer. Breast cancer is the main reason for cancer deaths among women. Early diagnosis is the way to reduce deaths due to this cancer type. One of the main objectives of the use of expert systems, artificial intelligence and machine learning techniques in medicine is to assist doctors in early diagnosis of diseases. Among cancer types, the risk of death can be greatly reduced by early diagnosis, especially in breast cancer. In this study, a new cancer diagnosis method based on Principal Component Analysis (PCA) and Feed Forward Neural Network (FFNN) has been proposed. The performance of the proposed method is tested on the Breast Cancer Coimbra Dataset (BCCD) with classification accuracy, precision, recall and F-measure metrics. Besides, the comparative performance analysis of the proposed method with conventional machine learning techniques and studies in the literature is performed. Experimental results show that the proposed method is effective and can be utilized by doctors for early diagnosis.
  • Küçük Resim
    Öğe
    Meme Kanseri Teşhisi İçin Yeni Bir Skor Füzyon Yaklaşımı
    (2019) Yavuz, Erdem; Eyüpoğlu, Can
    Meme kanseri tüm dünyada yaygın bir hastalık olması sebebiyle hastalığın erken teşhisi, hastaların bu hastalıktan tamamen kurtulabilmeleri açısından kritik öneme sahiptir. Hastalığın teşhisini kolaylaştırmak için tıp doktorları bilgisayar destekli uzman sistemlerden yararlanabilmektedir. Bu çalışmada meme kanseri veri örneklerini iyi huylu veya kötü huylu sınıflarına ayırmak için genel regresyon sinir ağı (Generalized Regression Neural Network-GRNN) ve ileri beslemeli sinir ağı (Feed Forward Neural Network-FFNN) temelli bir skor füzyon yöntemi önerilmiştir. Önerilen yöntem Wisconsin Teşhis Meme Kanseri (Wisconsin Diagnostic Breast Cancer-WDBC) veri seti üzerinde test edilmiştir. Bu iki temel ağın ve önerilen yöntemin kullanışlılığı incelenmiş ve performans sonuçları karşılaştırmalı olarak sunulmuştur. Önerilen yöntem sınıflandırma doğruluğu bakımından literatürde WDBC veri setini kullanarak yapılan mevcut çalışmalar ile kıyaslanmıştır. Elde edilen deneysel sonuçlar önerilen yöntemin, meme kanseri teşhisi için umut vadettiğini ve tıp uzmanlarının hastalığa ilişkin karar vermelerinde yardımcı bir araç olarak kullanılabileceğini göstermektedir.