Yazar "Er, Orhan" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • [ X ]
    Öğe
    An approach based on probabilistic neural network for diagnosis of Mesothelioma's disease
    (Pergamon-Elsevier Science Ltd, 2012) Er, Orhan; Tanrikulu, Abdullah Cetin; Abakay, Abdurrahman; Temurtas, Feyzullah
    Malignant mesothelioma (MM) is an aggressive progress tumor that results from mesotel cells and pleura usually incurs. The two important causes, in MM etiologies are known as asbestos and erionite, both mineral fibers. Environmental asbestos exposure and MM are one of the major public health problems of Turkey. In this study, two different probabilistic neural network (PNN) structures were used for MM's disease diagnosis. The PNN results were compared with the results of the multilayer and learning vector quantization neural networks focusing on MM's disease diagnosis and using same database. It was observed the PNN is the best classification with 96.30% accuracy obtained via 3-fold cross-validation. The MM disease dataset were prepared from a faculty of medicine's database using new patient's hospital reports from south east region of Turkey. Crown Copyright (C) 2011 Published by Elsevier Ltd. All rights reserved.
  • [ X ]
    Öğe
    Use of artifcial intelligence techniques for diagnosis of malignant pleural mesothelioma
    (2015) Abakay, Abdurrahman; Tanrıkulu, A. Çetin; Er, Orhan
    Amaç: İnsanların beyin zarında bulunan, asbestos ve asbestiform liferine maruz kalmakla oluşan kötü huylu plevral Mezotelyoma, oldukça saldırgan bir tümördür. Düşükseviyeli çevresel erionite fibrous zeolitee maruz bırakılmış Türkiyedeki bazı kasabalarda Mezotelyoma görülmeoranı oldukça yüksektir. Yöntemler: Bu çalışmada Mezotelyoma hastalığı teşhisiyapay bağışıklık sistemi kullanımı ile gerçekleştirilmiştir.Bununla beraber yapay bağışıklık sistemi sonuçları, aynıveri tabanını kullanan, Mezotelyoma hastalığının teşhisine odaklanmış çok katmanlı yapay sinir ağı sonuçları ilekarşılaştırılmıştır. Mezotelyoma hastalığı veri seti, hastaların hastane raporlarını kullanan tıp fakültesi veri tabanından alınmıştır. Bulgular: Yapay bağışıklık sistemi tarafından hastalıkteşhisi için %97,74 doğruluk oranında bir performans eldeedilmiştir. Yapay bağışıklık sistemi algoritmasının doğruluk sonuçları çok katmanlı yapay sinir ağı algoritmasından çok daha iyi olduğu görülmüştür. Sonuç: Bu sistem uzmana, sağlıklı ve hasta kişiyi sınıflandırma sürecinde doğru teşhisi bulma yönünde iyi birperformans sağlar. Böylece bu yapı ile doğru teşhis sonucuna ulaşmada doktorlara bir karar destek sistemi olarakyardımcı olur.
  • Küçük Resim
    Öğe
    Use of artificial intelligence techniques for diagnosis of malignant pleural mesothelioma
    (Dicle Üniversitesi Tıp Fakültesi, 2015) Er, Orhan; Tanrıkulu, A. Çetin; Abakay, Abdurrahman
    Objective: Malignant pleural mesothelioma is a highly aggressive tumor of the serous membranes, which in humans results from exposure to asbestos and asbestiform fibers. The incidence of malignant mesothelioma is extremely high in some Turkish villages where there is a low-level environmental exposure to erionite, a fibrous zeolite. Therefore epidemiological studies are difficult to perform in Turkey. Methods: In this paper, a study on malignant pleural mesothelioma disease diagnosis was realized by using artificial immune system. Also, the artificial immune system result was compared with the result of the multi-layer neural network focusing on malignant pleural mesothelioma disease diagnosis and using same database. The malignant pleural mesothelioma disease dataset were prepared from a faculty of medicine’s database using patient’s hospital reports. Results: 97.74% accuracy performance is obtained by artificial immune system. The accuracy results of artificial immune system algorithm are much better than the accuracy results of multi-layer neural network algorithm. Conclusion: This system is capable of conducting the classification process with a good performance to help the expert while deciding the healthy and patient subjects. So, this structure can be helpful as learning based decision support system for contributing to the doctors in their diagnosis decisions.