Bayes gaussian classification of wisconsin breast cancer database

Abstract

Kanser dünyadaki başlıca ölüm nedenlerinden biridir ve bu yüzden tedavisi bilim dünyası için önemli bir konu haline gelmiştir. Göğüs kanseri nedenleri belirsizliğini korumaktadır ve hiçbir baskın neden ortaya çıkmamıştır. Hastanın yaşam süresini artırmanın en iyi yolu erken tanıdan geçmektedir. Doğru bir tanı sistemi ile durumu erken teşhis edilen kanserli hücrelerin diğer organlara yayılmadan önce tespiti, hastanın yüzde 97 oranında iyileşmesine olanak sağlamaktadır.Tıp bilimindeki birçok problem, hasta üzerinde yapılan çeşitli testlere dayalı hastalık teşhislerini gerektirir. Bu nedenle, tıbbi tanı sınıflandırma sistemlerinin kullanımı giderek artmaktadır. Hiç şüphe yok ki, uzmanların alınan veriler üzerindeki değerlendirmeleri hastalık tanısında en önemli ve etkin faktörlerdendir. Ancak yapay zeka sınıflandırma teknikleri mevcut araştırmaları daha da etkinleştirebilir. Sınıflandırma sistemleri, muhtemelen yorgunluk veya tecrübe eksikliği nedeniyle olacak hataları en aza indirerek daha sağlıklı tıbbi kararlar alınmasını sağlayabilir.Bu çalışmada Bayes-Gauss sınıflandırma yöntemini kullanan bir tıbbi karar alma sistemi geliştirilmesine odaklanılmıştır. İlk aşamada teorik ifadeler probleme adapte edilmiştir, daha sonra, oluşturulan algoritmayı test edebilmek için bir MATLAB programında bilgisayar kodu hazırlanmıştır.Geliştirilen tıbbi karar verme sistemi göğüs kanseri teşhisinde uygulanmıştır. Geliştirilen sınıflandırıcının testi, Wisconsin Göğüs Kanseri veri tabanı kullanılarak gerçekleştirilmiştir. 10-kat çapraz doğrulama sonuçlarına göre yöntemin doğruluğu yüzde 94,38 olarak elde edilmiştir.

The correct pattern classification of breast cancer is an important medical problem. Breast cancer etiologies remain unclear and no single dominant cause has emerged. Prevention is still a mystery and the best way to improve patient survival is through early detection. If the cancerous cells are detected before they spread to other organs, the survival rate is greater than 97 percent.A major class of problems in medical science involves disease diagnosis based on various tests performed on patients. For this reason, the use of classifier systems in medical diagnosis is gradually increasing. There is no doubt that data evaluation taken from patients and experts decisions are the most important factors in diagnosis. Besides, artificial intelligence classification techniques can enhance current research. Classification systems, through minimizing possible errors likely produced due to tiredness or lack of experience, can provide more detailed medical data that can be checked in a shorter period.In this study, we focused on developing a medical decision-making application using Bayes Gaussian classification method. At the first step, theoretical derivations are adopted into our problem then we used MATLAB to write a computer program to be able to test developed algorithm.The purposed medical decision making system has been applied on the task of diagnosing breast cancer. Test of the developed classifier is carried out by using Wisconsin Breast Cancer Database. The 10-fold cross validation results show that overall accuracy is 94.38 percent.