Makine Öğrenmesi Sınıflandırma Yöntemleri İle Hematoloji Hastalıklarından Demir Eksikliği Anemisinin Erken Teşhis Edilmesi

Abstract

Demir eksikliği anemisi (DEA) dünyada yaygın olarak görülen bir anemi türüdür. DEA tanısı, birçok tıbbi muayene bulguları, tahlil ve tetkikler sonucunda ortaya konulmaktadır. DEA tanısı ve dışında kalan hastaların ayırımı önemli bir konudur. Bunun için bilinen yöntemlerin dışında yeni yöntemlere de ihtiyaç duyulmaktadır. Veri bilimi, yapay zekâ ve makine öğrenimi yöntemleri hekimlerin daha hızlı, daha doğru ve daha güvenilir kararlar verebilmeleri için kullanılmaktadır. Bunlar genellikle bilgisayar desteği ve veri madenciliği teknikleri kullanılarak elde edilen verileri, çok daha hızlı ve güvenilir bir şekilde işleyerek sınıflandırabilmektedir. Günümüzde en çok tercih edilen veri madenciliği sınıflandırıcıları arasında yapay sinir ağları (YSA), destek vektör makinesi (DVM), k-en yakın komşuluk (k-EK) ve karar ağacı (KA) algoritmaları yer almaktadır. Bu dört algoritmanın sonuçlarının karşılaştırılması için Weka 3.8 yazılımı kullanılmıştır.

Iron deficiency anemia (IDA) is a common form of anemia in the world. The diagnosis of IDA is made as a result of many medical examination findings, tests and examinations. IDA diagnosis and distinction of patients outside of it is an important issue. For this, new methods are needed in addition to the known methods. In this study, data science, artificial intelligence and machine learning methods are used in order for physicians to make faster, more accurate and more reliable decisions. These are generally able to classify the data obtained using computer support and data mining techniques by processing it much faster and reliably. Among the most preferred data mining classifiers today are artificial neural network (ANN), support vector machine (SVM), k-nearest neighbor (k-NN) and decision tree (DT) algorithms. Weka 3.8 software was used to compare the results of these four algorithms.