Soyut
2020 yılı verilerine göre dünya genelinde teşhis edilen her sekiz kanserden 1'inin ve ölüme neden olan kanserler arasında 5.'sinin meme kanseri olduğu görülmektedir. Doğru zamanda teşhis ve tedavi edilmeyen hastalarda kanser farklı organlara yayılabilir ve tedavi edilemez bir aşamaya gelebilir. Bu nedenle meme kanseri teşhisi için geçen sürenin kısaltılması ve ölüm oranlarının düşürülmesi, hastalığın doğru ve erken teşhisi için büyük önem taşımaktadır. Bu çalışma, yapay zeka tabanlı meme kanseri teşhisi için çeşitli makine öğrenme algoritmaları ve yöntemleri kullanarak kanser tespitinin doğruluğunu artırmayı amaçlamaktadır. 780 kişiden alınan ultrasonografi görüntüleri kullanılarak istatistiksel parametrelerle işlenen görüntü bilgileri çıkarılmıştır. Çıkarılan veri seti üzerinde üç farklı makine öğrenmesi algoritması ve bu algoritmaların bir kombinasyonu olarak tasarlanan hibrit makine öğrenmesi algoritması uygulanarak yapay zeka tabanlı meme kanseri tespiti gerçekleştirilmiştir. Bu sayede birey için ileri düzeyde riskler oluşturmadan kanserli hücrelerin erken teşhisi gerçekleştirilecek ve tedavisi mümkün olacaktır.
1218
According to the data of 2020, it is seen that 1 of every eight cancers diagnosed worldwide and the 5th among cancers that cause death is breast cancer. Cancer can spread to different organs and reach an incurable stage in patients who are not diagnosed and treated at the right time. Therefore, reducing the time taken for breast cancer diagnosis and reducing mortality rates are of great importance for accurate and early diagnosis of the disease. This study aims to improve the accuracy of cancer detection by using various machine learning algorithms and methods for artificial intelligence-based breast cancer diagnosis. By using ultrasonography images taken from 780 people, image information processed with statistical parameters was extracted. Artificial intelligence-based breast cancer detection was performed by applying three different machine learning algorithms and the hybrid machine learning algorithm designed as a combination of these algorithms on the extracted data set. In this way, early detection of cancerous cells will be carried out without creating advanced risks for the individual, and treatment will be possible.
Breast Cancer Hybrid Artificial Intelligence Image Preprocessing Feature Selection Early Diagnosis
1218
Primary Language | English |
---|---|
Subjects | Engineering |
Journal Section | Articles |
Authors | |
Project Number | 1218 |
Early Pub Date | October 25, 2022 |
Publication Date | October 31, 2022 |
Published in Issue | Year 2022 Issue: 42 |