Etkili makine öğrenmesi teknikleri kullanılarak meme kanseri sınıflandırması

Meme kanseri, dünya genelinde kadınlar arasında önde gelen ölüm nedenlerinden biri olmaya devam etmektedir ve bu durum pratik tanı araçlarına olan acil ihtiyacı ortaya koymaktadır. Bu çalışmada, meme kanseri sınıflandırma doğruluğunu artırmak amacıyla geliştirilmiş bir makine öğrenimi algoritması sunulmaktadır. Sistem, özellik çıkarımı için derin çok katmanlı algılayıcı (Deep MLP), boyut indirgeme için özellik birleştirilmiş bir otomatik kodlayıcı (feature-fused autoencoder) ve kare ağırlık ayarlaması ile çapraz doğrulama kullanılarak optimize edilmiş ağırlık ayarlı bir karar ağacı sınıflandırıcısını entegre etmektedir. Önerilen yöntemin sonuçları, sağlamlık ve genellenebilirliği sağlamak amacıyla Wisconsin meme kanseri veri kümesi üzerinde k-katlı çapraz doğrulama kullanılarak test edilmiştir. Ayrıca, gizli katman birimi sayısı, bırakma oranı (dropout rate), yığın boyutu (batch size) ve eğitim-test yüzdeleri gibi çeşitli hiperparametreler altında optimizasyon yapılmıştır. Tüm bu koşullar altında modelin performansı; doğruluk (accuracy), kesinlik (precision), duyarlılık (recall), F1-skoru ve eğri altı alan (AUC) gibi temel metriklerle değerlendirilmiştir. Elde edilen sonuçlar, bu yaklaşımın geleneksel sınıflandırma yöntemlerinden daha iyi performans gösterdiğini ve veri bölümleri arasında yüksek doğruluk ve güçlü bir performans sergilediğini ortaya koymaktadır. Bu araştırmanın temel katkısı, derin öğrenme, otomatik kodlayıcı ve karar ağacı yöntemlerini birleştiren yeni bir çerçevenin geliştirilmesi olup, sistemin meme kanseri teşhisinde güçlü bir potansiyele sahip olduğunu ve hekimlere güvenilir, etkili bir araç sunduğunu göstermektedir. Ayrıca, geleneksel meme kanseri veri setlerine göre çok daha büyük ve çeşitli olan METABRIC veri setinin kullanılması, önerilen hibrit modelin değerlendirilmesi için güçlü bir test ortamı sağlamıştır. Klinik ve genomik özelliklerin zenginliği, modelin genelleme kapasitesinin daha kapsamlı bir şekilde doğrulanmasına olanak tanımış ve karmaşık gerçek dünya verilerini işleme konusundaki etkinliğini ortaya koymuştur.