Journals Books 2687-5527 doi.org/10.36287/setsci
Latest Issue Archive Future Issues About Us
Conference Proceedings

SETSCI - Volume 4 (6) (2019)
ISAS WINTER-2019 (ENS) - 4th International Symposium on Innovative Approaches in Engineering and Natural Sciences, Samsun, Turkey, Nov 22, 2019

Akut Lenfoblastik Löseminin Makine Öğrenimi ile Sınıflandırılması
Ayşe Berika Varol Malkoçoğlu 1, İsmail İşeri2*
1Maltepe University, İstanbul, Turkey
2Ondokuz Mayıs University, Samsun, Turkey
* Corresponding author: ismail.iseri@bil.omu.edu.tr
Published Date: 2019-12-22   |   Page (s): 497-501   |    187     2
https://doi.org/10.36287/setsci.4.6.139

ABSTRACT Akut Lenfoblastik Lösemi (ALL) genellikle 2-5 yaş arasındaki çocuklarda görülen, kemik iliğindeki beyaz kan hücrelerinin hızlı artışından ve şekilsel bozukluklarından kaynaklanan bir kanser türüdür. Tespit edilip tedavi sürecinin başlatılmadığı takdirde ölümlere yol açabilmekte olan bu hücrelerin normal hücrelere morfolojik açıdan benzemesi, hastalığın teşhisini zorlaştırdığı bilinmektedir. Bu çalışmada Navie Bayes (NB), Random Forest (RF) ve Destek Vektör Makinesi (Support Vector Machine – SVM) algoritmalarından yararlanılarak hücrelerin (kanserli-kansersiz) sınıflandırması yapılmıştır. Sınıflandırma için açık kaynaklı Cancer Imaging Archive tarafından sunulan ALL veri seti kullanılarak RGB ve Gray Scale renk uzaylarında sınıflandırma performansları test edilmiştir. Test sırasında her iki renk formatı içinde orijinal ve arttırılmış veri kullanılarak 2000, 6500, 10320, 12130 büyüklüğünde hastalıklı & sağlıklı hücrelerin oluşturduğu 4 farklı veri kümesi kullanılarak, her bir görüntünün 32x32 ve 128x128 ölçülerine yeniden boyutlandırılıp sınıflandırma işlemi gerçekleştirilmiştir. Yapılan deneysel çalışmalar sonucunda RGB renk uzayında 2000 boyutlu veri seti ve 128x128 boyutlarına ölçeklendirilmiş görüntüler üzerinde çalıştırılan SVM algoritması %89‘luk Accuracy oranı ile en iyi sonucu verdiği gözlenmiştir. 
KEYWORDS Navie Bayes, Random Forest, Destek Vektör Makinesi, Sınıflandırma, Makine Öğrenimi
REFERENCES [1] (2019) WHO website [Online]. Available:
https://gco.iarc.fr/today/home
[2] T. Aksu Uzunhan, Z. Karalaş, “Çocukluk Çağı Akut Lenfoblastik
Lösemisi,” Çocuk Dergisi vol.12, no.1, pp. 6-15, 2012
[3] A. A. Atay, A. E. Kürekçi, V. Kesik, S. Kýlýç, M. Gülgün, O. Özcan
ve E. Gökçay, “Akut lenfoblastik lösemili olgularımızın retrospektif
analizi, ”Gülhane Tıp Dergisi, vol. 47, pp. 183-186, 2005
[4] A. M. Abdeldaim, A. T. Sahlol, M. Elhoseny & A. E. Hassanien,
In Advances in Soft Computing and Machine Learning in Image
Processing, Computer-aided acute lymphoblastic leukemia diagnosis
system based on image analysis. pp. 131-147, Springer, Cham, 2018
[5] M. N. Q. Bhuiyan, S. K. Rahut, R. A. Tanvir, & S.VRipon,
“Automatic Acute Lymphoblastic Leukemia Detection and
Comparative Analysis from Images,” In 2019 6th International
Conference on Control, Decision and Information Technologies
(CoDIT), IEEE, 2019, pp. 1144-1149
[6] O. Selçuk & F. Özen, , “Acute lymphoblastic leukemia diagnosis
using image processing techniques,”. In 2015 23nd Signal Processing
and Communications Applications Conference (SIU), IEEE, 2015 pp.
803-806
[7] (2019) NumPy website [Online]. Available: https://numpy.org/
[8] (2019) Matplotlib website [Online]. Available: https://matplotlib.org/
[9] (2019) Skit-Learn website [Online]. Available: https://scikitlearn.org/stable/
[10] R. Saravanan, & P. Sujatha, “A State of Art Techniques on Machine
Learning Algorithms: A Perspective of Supervised Learning
Approaches in Data Classification”, 2018 Second International
Conference on Intelligent Computing and Control Systems (ICICCS),
IEEE, 2018, pp. 945-949
[11] (2017) M. N. Bernstein websites [Online]. Available:
http://pages.cs.wisc.edu/~matthewb/pages/notes/pdf/ensembles/Rando
mForests.pdf
[12] R. Gandhi. (2018) Towards Data Science homepage, [Online].
Available: https://towardsdatascience.com/naive-bayes-classifier81d512f50a7c
[13] U. Köse, “Zeki Optimizasyon Tabanlı Destek Vektör Makineleri ile
Diyabet Teşhisi,” Politeknik Dergisi, vol. 22, no.3, p.p. 557-566,
2019
[14] T. S Furey, N. Cristianini, N.Duffy, D. W. Bednarski, M. Schummer,
D. Haussler, “Support vector machine classification and validation of
cancer tissue samples using microarray expression
data” , Bioinformatics, vol. 16, no. 10, pp. 906–914, Oct. 2000.
[15] A. Gupta, R. Gupta, “ALL Challenge dataset of ISBI 2019 [Data
set],” The Cancer Imaging Archive, 2019
[16] A. Gupta, R. Duggal, R. Gupta, L. Kumar, N. Thakkar, and D.
Satpathy, “GCTI-SN: Geometry-Inspired Chemical and Tissue
Invariant Stain Normalization of Microscopic Medical Images,”,
under review.
[17] R. Gupta, P. Mallick, R. Duggal, A. Gupta, and O. Sharma, "Stain
Color Normalization and Segmentation of Plasma Cells in
Microscopic Images as a Prelude to Development of Computer
Assisted Automated Disease Diagnostic Tool in Multiple Myeloma,"
16th International Myeloma Workshop (IMW), India, March 2017.
[18] R. Duggal, A. Gupta, R. Gupta, M. Wadhwa, and C. Ahuja,
“Overlapping Cell Nuclei Segmentation in Microscopic Images
UsingDeep Belief Networks,” Indian Conference on Computer
Vision, Graphics and Image Processing (ICVGIP), India, December
2016.
[19] R. Duggal, A. Gupta, and R. Gupta, “Segmentation of
overlapping/touching white blood cell nuclei using artificial neural
networks,” CME Series on Hemato-Oncopathology, All India Institute
of Medical Sciences (AIIMS), New Delhi, India, July 2016.
[20] R. Duggal, A. Gupta, R. Gupta, and P. Mallick, "SD-Layer: Stain
Deconvolutional Layer for CNNs in Medical Microscopic Imaging,"
In: Descoteaux M., Maier-Hein L., Franz A., Jannin P., Collins D.,
Duchesne S. (eds) Medical Image Computing and Computer-Assisted
Intervention − MICCAI 2017, MICCAI 2017. Lecture Notes in
Computer Science, Part III, LNCS 10435, pp. 435–443. Springer,
Cham. DOI: https://doi.org/10.1007/978-3-319-66179-7_50.
[21] TCIA Citation K. Clark, B. Vendt, K. Smith, J. Freymann , J. Kirby , P.
Koppel , S. Moore , S. Phillips , D. Maffitt , M Pringle, L. Tarbox, F.
Prior, “ The Cancer Imaging Archive (TCIA): Maintaining and
Operating a Public Information Repository,” Journal of Digital
Imaging, Volume 26, Number 6, December, 2013, pp 1045-1057.


SET Technology - Turkey

eISSN  : 2687-5527    
DOI : doi.org/10.36287/setsci

E-mail : info@set-science.com
+90 533 2245325

Tokat Technology Development Zone Gaziosmanpaşa University Taşlıçiftlik Campus, 60240 TOKAT-TURKEY
©2018 SET Technology