Diagnosis of thyroid disease via support vector machines

Destek Vektör Makineleri Günümüzde en popüler Makine Öğrenmesi yöntemleri içerisinde yer alır. 1964 yılında Vladimir Vapnik tarafından alt yapısı oluşturulan bu yöntem günümüzde medikal analizden görüntü işlemeye, el yazısı tanımadan oyun programlarına kadar hemen her yerde kullanılır hale gelmiştir. Optimal Ayırıcı Düzlem esasına dayanan Destek Vektör Makineleri yöntemi yöntemi öncelikle veriyi lineer olarak iki sınıfa ayrılabilecek şekilde daha yüksek boyutlu bir uzaya taşır. Eğer verinin içerisindeki iki farklı sınıf bu uzayda ayrılabiliyorsa iki veri kümesinin arasına her iki sınıfın en yakın üyelerine eşit uzaklıkta olacak şekilde bir ayırıcı düzlem yerleştirilir. Bu şekilde öğrenme işlemini gerçekleştirdikten sonra sınıflandırılması istenecek herhangi bir örneği başarılı bir şekilde sınıflandırır. Eğer ilgili veri lineer olarak ayrılamıyor ise "esnek marjin" adı verilen bir yöntemle verinin mümkün olduğu kadar az hata ile sınıflandırılması sağlanır. Bu parametre kullanıcı tarafından veriye özgü ayarlanır. Tiroid bezi boynumuzun ön tarafında bulunan salgı bezidir. Tiroid bezinin görevi tiroid hormonlarını üretmek, depolamak ve gerektiğinde kana vererek metabolizmayı ayarlamaktır. Bu hormonları üretirken gıda ve su yardımı ile aldığımız iyot mineralini kullanır. Tiroid bezinin bozukluğundan kaynaklanan çeşitli hastalıklar vardır. Bunlardan en sık görülen hipertiroidizm ve hipotiroidizm hastalıklarıdır. Hipertiroidizm tiroid bezinin aşırı çalışması durumudur. Graves hastalığı veya benzeri durumlardan sonra ortaya çıkar. Hipotiroidizm tiroid bezinin az çalışması durumudur. Bu durum genellikle iyot eksikliği sonucu ortaya çıkar. Tiroid hastalıklarını teshis edebilmek için hastalardan kan örneği alınarak çeşitli hormon seviyesi değerleri incelenir. Genetik algoritmalar, herhangi bir sürekli veya süreksiz fonksinunun aldığı en düşük veya en yüksek değerleri bulmak için kullanılabilecek stokastik bir optimizasyon yöntemidir. İlk olarak John Holland tarafından 1975 yılında ortaya atılmıştır. Öğrenme ve Test etme verileri 215 farklı kişinin test sonuçlarından elde edilmiştir. İlgili verileri elde edebilmek için "machine learning repository" adlı internet sitesinin veri tabanı kullanılmıştır. Verileri dağılımı: "Hipertiroid=35 sonuç, Hypotiroid=30 sonuç ve sağlıklı sonuç sayısı =150" şeklindedir. Tanıyı koyabilmek için kullanılan giriş verileri 5 adet (T3RU, T4, T3, TSH and MAD-TSH), çıkış ise bir adettir (0=sağlıklı,1=hipertiroid, 2=hipotiroid). Öznitelik Seçimi (Feature Selection), Sınıflandırma uygulamalarında ve veri madenciliğinde oldukça önemli bir yere sahiptir. Yüksek Boyutun Zararlılığı (Curse of Dimensionality) olarak adlandırılan, veri çok boyutlu olduğunda sınıflandırmanın çok zor, uzun zaman alan ve verimsiz olmasına sebebiyet veren problemin çözümünde oldukça etkilidir. Bu çalışmada öznitelik seçimi yöntemi olarak Fisher Skoru algoritması kullanılmıştır. Fisher 'in Sınıflandırma için ortaya attığı ilk yöntemden türetilen bu algoritma öznitelik seçiminde oldukça başarılıdır. Bu çalışmada tiroid hastalıklarının destek vektör makineleri aracılığı ile tanısı amaçlanmıştır. Bu tanıyı mümkün olan en yüksek doğrulukla yapabilmek için Genetik Algoritmalar ve öznitelik seçimi yöntemi olarak Fisher skoru" yöntemi kullanılmıştır. Bu özellikler hastaların kan testi sonuçları sonuçlarından elde edilir. Bunlar T3 resin- test (Serumda doymamış trioglobulin ölçümü),T4 (Thyroxine), T3 (Triiodothyronine), TSH (tiroid uyarıcı hormon), ve MAD-TSH(vucut normal haldeyken ölçülen TSH değeri ile kana 200 migrogram tirotropin enjekte edildikten sonra ölçülen TSH değerinin farkı) olmak üzere toplamda 5 adettir. Bu çalışma üç aşamadan oluşan altı deney sonucu içerir. Altı adet deney olmasının sebebi Fisher skoru kullanarak elde öğrendiğimiz oransal olarak daha önemsiz verileri giriş verilerinden (Input Data) oluşturduğumuz yeni giriş verileri ile yeni deneyler yapıp Öğrenme Ağı'nın sonuçlarını nasıl etkilediğini bulmak. İlk aşama Giriş ve çıkış verilerini (kan değerleri ve hastalık durumu) çapraz doğrulama (cross-validation) yöntemini kullanılarak rastgele bir şekilde öğrenme ve test verileri olarak ayırıp hastalık teşhisi yapabilen bir Destek Vektör Ağı oluşturmak (Öğrenme verileri ile ag'ı eğitme işlemi gerçekleştirilirken test verileri yardımı ile ağ'ın ne sınıflandırma becerisi ölçülür.) ve bu ağı bir fonksiyon içerisine yerleştirmek. Bu fonksiyonun giriş değeri yumuşak marjin katsayısı, çıkış değeri ise Öğrenme Ağı'nın yüzde cinsinden doğru çıkış verme oranıdır. İlk aşamada oluşturulan fonksiyonların optimum değerini (en yüksek doğruluk oranını verdiği değer) hangi giriş değerinde (yumuşak marjin katsayısı) aldığını öğrenmek için ikinci aşamada Genetik Algoritmalar yardımı ile optimizasyon gerçekleştirildi. İkinci aşamada bulunan optimum marjin katsayısı değeri üçüncü aşamada yeni öğrenme ağları oluşturmak için kullanıldı. Her bir dataset için ayrı ayrı oluşturulan altı farklı destek vektör sınıflandırıcısında en iyi sonucu verdiği parametre değeri (C katsayısı) kullanılanılmak üzere tasarlandı. Üçüncü ve son aşamada her bir hastalığın hormon değerlerine bakılarak tahmin edilmesi işlemini gerçekleştirmek için tasarlanan altı farklı network 10'ar defa test edilip gerekli sonuçlar (doğruluk, hassasiyet ve özgüllük değerleri) elde edildi. Elde edilen sonuçlar kıyaslanarak hangi hastalığın teşhisi için hangi öznitelik değerlerini içeren veri seti kullanılması gerektiği belirlenmiştir. Ayrıca Genetik Algoritmalar yardımıyla optimizasyon işlemi yaparken dikkat edilmesi gereken bazı parametrelerin değişimini gösteren grafikler incelenerek yorumlanmıştır.