EUVIMEDEUVIMED entdecken
Crossref

Gelişmiş Özellik Mühendisliği ve Veri Merkezli Optimizasyon Yoluyla Yüksek Doğruluklu Meme Kanseri Tespiti için Hafif ve Erişilebilir bir Çerçeve

Samet Aymaz

Karadeniz Fen Bilimleri Dergisi · 2026

DOI: 10.31466/kfbd.1838823 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Karadeniz Fen Bilimleri Dergisi, 2026. Verfasst von Samet Aymaz. Die Arbeit nennt 37 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Meme kanseri her yıl yaklaşık 2,3 milyon kadını etkilemekte olup, erken teşhis %90’ın üzerinde hayatta kalma oranı sağlarken geç evrede bu oran %29’a düşmektedir. Bilgisayar destekli tanı sistemleri umut vaat etse de, mevcut yaklaşımlar çoğunlukla yüksek maliyetli derin öğrenme modellerine dayanmaktadır. Bu çalışma, gelişmiş veri ön işleme teknikleri ile geleneksel sınıflandırıcıların benzer performansları daha düşük maliyetle elde edebileceğini göstermektedir. Bu kapsamda, üç bileşenli bir çerçeve önerilmektedir. İlk olarak, geliştirilmiş SimCLR (Simple Framework for Contrastive Learning of Visual Representations) mimarisi kullanılarak mamografi görüntülerinden 128 boyutlu ayırt edici özellikler elde edilmiştir. İkinci olarak, kernel yoğunluk tahmini (Kernel Density Estimation, KDE) tabanlı dinamik örnek seçimi ile veri kümesi boyutu yaklaşık %60 azaltılmıştır. Üçüncü olarak, karşılıklı bilgi (Mutual Information, MI) ve Spearman korelasyon analizini birleştiren adaptif özellik seçimi yöntemi, Optuna optimizasyon çerçevesi kullanılarak gerçekleştirilmiştir. Önerilen yöntem, Mini-DDSM ve Mini-MIAS veri kümelerinde Destek Vektör Makinesi (Support Vector Machine, SVM), Rastgele Orman (Random Forest, RF) ve Naive Bayes (NB) sınıflandırıcıları ile değerlendirilmiştir. Sonuçlar, özellikle SVM ve RF modellerinin farklı senaryolarda %99,8’e varan doğruluk oranları ile yüksek sınıflandırma performansı sunduğunu göstermektedir.

Zitieren

APA

Aymaz, S. (2026). Gelişmiş Özellik Mühendisliği ve Veri Merkezli Optimizasyon Yoluyla Yüksek Doğruluklu Meme Kanseri Tespiti için Hafif ve Erişilebilir bir Çerçeve. Karadeniz Fen Bilimleri Dergisi. https://doi.org/10.31466/kfbd.1838823

Vancouver

Aymaz S. Gelişmiş Özellik Mühendisliği ve Veri Merkezli Optimizasyon Yoluyla Yüksek Doğruluklu Meme Kanseri Tespiti için Hafif ve Erişilebilir bir Çerçeve. Karadeniz Fen Bilimleri Dergisi. 2026. doi:10.31466/kfbd.1838823

BibTeX
@article{Aymaz2026,
  author = {Aymaz, Samet},
  title = {Gelişmiş Özellik Mühendisliği ve Veri Merkezli Optimizasyon Yoluyla Yüksek Doğruluklu Meme Kanseri Tespiti için Hafif ve Erişilebilir bir Çerçeve},
  journal = {Karadeniz Fen Bilimleri Dergisi},
  year = {2026},
  doi = {10.31466/kfbd.1838823}
}
Kostenlos starten →