Araştırma Makalesi
PDF Zotero Mendeley EndNote BibTex Kaynak Göster

MR Spektroskopi Temelli Beyin Tümörü Teşhisinde Lojistik Regresyon Uygulaması

Yıl 2019, Cilt 22, Sayı 1, 10 - 18, 05.04.2019
https://doi.org/10.17780/ksujes.483214

Öz

Beyin tümörü teşhisinin, birçok hastalık teşhisinde olduğu gibi farklı yöntemler kullanılarak doğrulanması gerekmektedir. Çünkü yanlış teşhis doğrudan insan hayatını etkilemektedir. MR Spektroskopi ilk başta laboratuvar çalışmalarında kullanılmıştır. Daha sonra MR Spektroskopinin su ve yağ haricindeki metobolitleri ölçebildiği keşfedilmiştir. Bu keşifle beraber,  MR Spektroskopi beyin tümörü teşhisinde doğrulayıcı bir yöntem olarak kullanılmaya başlanmıştır. MR Spektroskopi ile kolin, kreatin ve N-Asetil Aspartat metobolit değerleri ölçülür. Bu değerlerin doğru yorumlanması ciddi bir uzmanlık gerektirir. Yapılacak bir uzman karar destek sistemi hızlı ve doğru teşhis açısından önemlidir. Çalışma MRS temelli beyin tümörü teşhisi için yapılabilecek uzman karar destek sisteminin temeli olan sınıflandırma yöntemlerinin başarımlarının karşılaştırmasını içermektedir. Lojistik Regresyon yöntemi ve Naive Bayes yöntemi WEKA programında çalışılmıştır. Naive Bayes’ de % 87 başarım, Lojistik regresyonda % 90 başarım elde edilmiştir. ROC değerleri ise Naive Bayes için 0,912, Lojistik Regresyon için 0,977 olarak hesaplanmıştır. % 87 sınıflandırma ve 0,912 ROC hesaplaması yüksek bir başarıdır, ancak Lojistik Regresyon daha iyi sınıflandırma ve ROC alan hesaplaması yapmıştır. Bu da MRS temelli beyin tümörü teşhisinde uzman karar destek sistemi oluşturmak için Lojistik Regresyonun, Naive Bayes yöntemine göre daha uyumlu olabileceğini göstermektedir.

Kaynakça

  • Esen, S.Ö., Bozkurt, M., Adıbelli, H.Z., Aykut, E., Canverenler, S. 2014. “Proton MR Spektroskopinin Beyin Tümörlerinde Tanısal Değeri.” ITÜ Tepecik Eğit Hast Derg 2014; 24 (2): 93-98.sKaratağ, O. 2005. “İntrakranyal Yer Kaplayıcı Lezyonların Ayırıcı Tanısında MR Spektroskopinin Yeri”. Sağlık Bakanlığı Şişli Etfal Eğitim ve Araştırma Hastanesi. Radyoloji Uzmanlık Tezi, İstanbul, 50s.Cüce, A.M. 2005. “Beyin Kitlelerinin Tanısında MR Spektroskopinin Yeri İle Kısa ve Uzun TE MR Spektroskopinin Karşılaştırılması”. G.Ü. Uzmanlık Tezi, İstanbul, 98s.Shokry, A. 2012. “MRS of brain tumors: Diagrammatic representations and diagnostic approach” The Egyptian Journal of Radiology and Nuclear Medicine (2012) 43, 603–612.sGöker, H.,Şahin. İ., Tekedere. H. 2015. “ Erken Çocukluk Döneminde Otizm Teşhisine Yönelik Dinamik Uzman Sistem Tasarımı” Bilişim Teknolojileri Dergisi, Cilt: 8, Sayı: 3, 167–172.sHaltaş, A., Alkan, A. İmmunohistokimyasal Boyalar ile Tiroid Tümörü Teşhisinde Naive Bayes Algoritması Kullanılması, Akademik Bilişim 2016 Sempozyumu(ab’2014) 5-7 Şubat, 2014, Mersin, Mersin-Türkiye), s. 931-935Lukasa, A. Devosa, J.A.K. Suykensa, L. Vanhammea, F.A. Howeb, C. Majo´sc, A. Moreno-Torresd, M. Van Der Graafe, A.R. Tateb, C. Aru´sf, S. Van Huffela. 2004. “Brain tumor classification based on long echo proton MRS signals” Artificial Intelligence in Medicine (2004) 31, 73—89s.Nagori, M. Joshi, M. 2013. “Methods and Algorithms for Extracting Values from MRS Graph for Brain Tumour Detection” IERI Procedia 4 ( 2013 ) 331 – 336s.Carlos A., Daniel A., S., Alfredo V., Enrique R. 2014. “Automated classification of brain tumours from short echo time in vivo MRS data using Gaussian Decomposition and Bayesian Neural Networks” Expert Systems with Applications 41 (2014) 5296–5307s.Alkan, A., Günay, M., “Identification of EMG signals using discriminant analysis and SVM classifier”, Expert Systems with Applications 39, (2012) 44–47.Solmaz, R., Günay, M., Alkan, A., “Uzman Sistemlerin Tiroit Teşhisinde Kullanılması”, Akademik Bilişim 2013 Sempozyumu(ab’2013), 23-25 Ocak 2013, Antalya, Türkiye.Kaya, Y., Pehlivan, H., “ KNN, NN, BAYES, DT ve SVM Kullanılarak EKG Vurularının Sınıflandırılması”, ISITES 2014 Sempozyumu(ISITES’2014), 18-20 June 2014, Karabük, Türkiye.Arora, R., Suman. 2012. “Comparative Analysis of Classification Algorithms on Different Datasets using WEKA” International Journal of Computer Applications (0975 – 8887) Volume 54– No.13, September 2012, 21-25s.Yücebaş, C., S.,“ Prostat Kanseri Teşhisinde Veri Madenciliği Yöntemlerinin Başırım Karşılaştırması”, Akademik Bilişim 2016 Sempozyumu(ab’2016), 30 Ocak-5 Şubat 2016, Aydın, TürkiyeAlkuşak, E., Gök, M., “Karaciğer Yetmezliğinin Teşhisinde Makine Öğrenmesi Algoritmalarının Kullanımı”, ISITES 2014 Sempozyumu(ISITES’2014), 18-20 June 2014, Karabük, Türkiye.Kavzoğlu, T., Çölkesen, İ. 2010. “Destek Vektör Makineleri ile Uydu Görüntülerinin Sınıflandırılmasında Kernel Fonksiyonlarının Etkilerinin İncelenmesi” Harita Dergisi Temmuz 2010 Sayı 144: 73-82.sTomak, L., Bek, Y. 2010. “İşlem karakteristik eğrisi analizi ve eğri altında kalan alanların karşılaştırılması” Journal of Experimental and Clinical Medicine 27 (2010) 58-65.sDirican A. “Tanı Testi Performanslarının Değerlendirilmesi ve Kıyaslanması” Cerrahpaşa Tıp Dergisi. 2001; 32 (1): 25-30.Acikgoz, H., Kececioglu, O.F., Gani, A., Sekkeli, M. (2014). Speed Control of Direct Torque Controlled Induction Motor By using PI, Anti-Windup PI And Fuzzy Logic Controller, International Journal of Intelligent Systems and Applications in Engineering, 2, 58-63.Sarıoğlu, M.K., Gökaşan, M., Boğosyan, S. (2003). Asenkron makinalar ve kontrolü, Birsen Yayınevi, İstanbul.Trzynadlowski, A.M., (2000). Control of Induction Motors. Academic press, USA.Zhang, M.G., Li, W.H., Liu, M.Q. (2005). Adaptive PID control strategy based on RBF neural network identification, IEEE International Conference on Neural Networks and Brain, 1854-1857.Şeker E. Ş. Bilgisayar Kavramları. http://bilgisayarkavramlari.sadievrenseker.com (2017)Girginer,G., Cankuş, B. “Tramvay Yolcu Memnuniyetinin Lojistik Regresyon Analiziyle Ölçülmesi: Estram Örneği” YÖNETİM VE EKONOMİ Yıl:2008 Cilt:15 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA.Alan, M.A. 2014. “ Sivas Erzincan Kalkınma Projesi (SEKP) Verilerinin Veri Madenciliği ile Sınıflandırılması ve Kümelenmesi” Manas Sosyal Araştırmalar Dergisi 2014; Cilt: 03 Sayı: 10 2014: 129-144.sİşler, Y., Narin, A. 2012. “ WEKA Yazılımında k-Ortalama Algoritması Kullanılarak Konjestif Kalp Yetmezliği Hastalarının Teşhisi” SDU Teknik Bilimler Dergisi 2012; Cilt: 2 Sayı: 4 2012: 21-29.s Şirin E. Bilgisayar Kavramları. http://www.datascience.istanbul (2018).

Ayrıntılar

Birincil Dil Türkçe
Konular Bilgisayar Bilimleri, Bilgi Sistemleri
Bölüm Elektrik Elektronik Mühendisliği
Yazarlar

Sinan ALTUN
0000-0002-2356-0460


Ahmet Alkan
KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ, MÜHENDİSLİK-MİMARLIK FAKÜLTESİ, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ
0000-0003-0857-0764
Türkiye

Yayımlanma Tarihi 5 Nisan 2019
Başvuru Tarihi 15 Kasım 2018
Kabul Tarihi 4 Nisan 2019
Yayınlandığı Sayı Yıl 2019, Cilt 22, Sayı 1

Kaynak Göster

APA Altun, S. & Alkan, A. (2019). MR Spektroskopi Temelli Beyin Tümörü Teşhisinde Lojistik Regresyon Uygulaması . Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi , 22 (1) , 10-18 . DOI: 10.17780/ksujes.483214