Parçacık Sürü Optimizasyonu Kullanılarak Boyutu Azaltılmış Mikrodizi Verileri Üzerinde Makine Öğrenmesi Yöntemleri ile Prostat Kanseri Teşhisi
Yazarlar (3)
Tokat Gaziosmanpaşa Üniversitesi, Türkiye
Aksaray Üniversitesi, Türkiye
Dr. Öğr. Üyesi Onur CÖMERT
Tokat Gaziosmanpaşa Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
|
| Makale Alt Türü | Ulusal alan endekslerinde (TR Dizin, ULAKBİM) yayınlanan tam makale |
| Dergi Adı | Düzce Üniversitesi Bilim ve Teknoloji Dergisi |
| Dergi ISSN | 2148-2446 |
| Dergi Tarandığı Indeksler | TR DİZİN |
| Makale Dili | Türkçe |
| Basım Tarihi | 01-2019 |
| Cilt No | 7 |
| Sayı | 1 |
| Sayfalar | 769 / 777 |
| DOI Numarası | 10.29130/dubited.464092 |
| Makale Linki | https://dergipark.org.tr/tr/pub/dubited/issue/43004/464092 |
| Özet |
| Mikrodizi verilerine dayanan veri madenciliği analizi, hastalık teşhisi ve farmakoloji alanlarında kullanılmaktadır.Analiz aşamasında yaşanan en önemli zorluk, mikrodizilerin yüksek boyutlu olması ve çok sayıda gereksizöznitelik içermesidir. Bu nedenle çalışmada kullandığımız prostat kanseri mikrodizi veri kümesi üzerinde öznitelikboyut azaltılması amacıyla Temel bileşenler analizi (TBA) ve Parçacık sürü optimizasyonu (PSO) kullanılmıştır.Bu sayede hastalıkları etkileyen genler tespit edilmektedir. Boyutu azaltılmış veri kümeleri Destek VektörMakinesi ve k-En Yakın Komşuluk sınıflayıcı yöntemlerine giriş olarak verilmiş ve sınıflandırma başarı sonuçlarıdeğerlendirilmiştir. Sonuç olarak PSO boyut azaltma yöntemi ile prostat kanserinde etkin genler belirlenmiş ve 50öznitelik ile %95.77 başarı elde edilmiştir. |
| Anahtar Kelimeler |
BM Sürdürülebilir Kalkınma Amaçları
| Atıf Sayıları | |
| TRDizin | 3 |
| Google Scholar | 14 |