Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Kimya-Metalurji Fakültesi, Matematik Müh.Bölümü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: Elif Tölük
Danışman: Birol Aslanyürek
Özet:
Meme kanseri diğer kanser türlerine göre kadınlarda en yaygın olarak görülen türdür. Erken teşhisi hastanın hayatının kurtulmasında önemli rol oynamaktadır. Meme kanserinin konumunun belirlenmesi ve erken teşhisi için geçmişte ve günümüzde çok sayıda çalışma yapılmaktadır. Elektromanyetik dalgaların kullanımı, uygulanma rahatlığı, tümörlere duyarlılık ve mikrodalga frekanslarında iyonlaştırıcı olmamaları nedeniyle, meme kanseri tespiti için umut verici bir tekniktir. Mikrodalga tomografisi en sık kullanılan mikrodalga meme görüntüleme yaklaşımlarından biridir ve bu yaklaşımda genellikle bütün meme görüntülenmeye çalışılır. Bu durumda, yüksek düzeyde matematiksel ve hesaplama karmaşıklığı olan bir ters saçılma problemi ile uğraşmak gerekir. Bu zorluklardan kaçınmak adına, bir tümörün varlığının tespiti veya konumunun belirlenmesi için sınıflandırma algoritmaları kullanılabilir.
Bu çalışmanın amacı, mikrodalgalar aracılığıyla meme kanserinin tespiti ve konumunun belirlenmesi için çeşitli makine öğrenmesi tekniklerini kullanarak inceleme yapmaktır. Bu yaklaşımda, meme modeli bir dizi verici anten aracılığı ile tek frekanslı zaman harmonik dalgalar ile ayrı ayrı aydınlatılır ve meme çevresinde bulunan alıcı antenler ile saçılan alan ölçülür. Çalışmada, iki boyutlu gerçekçi sayısal meme modelleri kullanılarak, moment yöntemi aracılığıyla düz saçılma problemi çözülmüş ve saçılan alanlar sayısal olarak hesaplanmıştır. Farklı boyut ve konumlardaki tümörleri içeren veya tümör içermeyen yani sağlıklı meme modelleri kullanılarak sentetik olarak üretilen saçılan alanlar eğitim ve test veri setlerini oluşturmaktadır. Çalışmada, veriler %70 oranında eğitim, %30 oranında test amaçlı kullanılmıştır. Elde edilen sonuçlar; destek vektör makinesi, naive bayes, karar ağaçları, topluluk sınıflandırıcılar, k-en yakın komşu algoritması, diskriminant analizi ve yapay sinir ağları makine öğrenmesi algoritmalarının, tümörlerin hem varlığının tespiti hem de konumlarının belirlenmesi açısından, farklı meme modelleri için kullanılabileceğini göstermektedir.