Yapay sinir ağları ve lojistik regresyon yöntemleri ile meme kanseri koltuk altı lenf nodu durumunun belirlenmesi

Abstract

Meme kanseri günümüzde en sık rastlanılan kanser türlerinden biridir. Meme kanseri hastalığının evrelendirilmesinde ve tedavisinin belirlenmesinde koltuk altı lenf bezlerinin durumunun bilinmesi çok önemlidir. Koltuk altı lenf nodlarının durumu cerrahi işlemler ile belirlenmektedir ve bu cerrahi işlemlerin ciddi yan etkileri bulunmaktadır. Bu çalışmada meme kanseri hastalarının her hastanede kolaylıkla elde edilebilir klinik ve patolojik verilerine bakılarak yapay sinir ağları ile koltuk altı lenf nodlarının durumunun belirlenmesi amaçlanmıştır. Ankara Numune Eğitim ve Araştırma Hastanesi, Ankara Onkoloji Eğitim ve Araştırma Hastanesi'ne başvuran 270 meme kanseri hastasının klinik ve patolojik verileri, ileri beslemeli geri yayılımlı çok katmanlı yapay sinir ağı ve lojistik regresyon ile sınıflandırılmış, oluşturulan modeller test verileri ile test edilmiştir. Yapay sinir ağının performansını ölçmek için Regresyon ve ROC (Receiver Operating Characteristics) istatiksel analiz yöntemleri kullanılarak, ağın belirlilik, duyarlılık ve doğruluk sonuçları elde edilmiştir.

Today one of the prevalent cancer types we come across in women is breast cancer. Classification and staging of axillary lymph nodes are most important points in diagnose and treatment of breast cancers. Prognosis for these lymph nodes can only be clearified by surgical operation which it self has serious side effects. In this study aimed patients with breast cancer can easily follow up recent statues of axillary lymph nodes and information about whether cancer spread beyond breast or not with checking out clinic, pathological data results easily in any hospital by artificial neural network. Clinic and pathologic data of 270 breast cancer patients applied to Ankara Numune Educational and Research Hospital, Ankara Oncology Educational and Research Hospital are tested and classified according to back propagation multilayer perceptron, and logistic regression. For testing artificial neural network performance, Regression and ROC (Receiver Operating Characteristics) statistical analysis system used to find out specificity, sensitivity, and accuracy of this test.