Parkinson Hastalığı Teşhisi İçin İkili Yapay Arı Kolonisi Temelli Boyut İndirgeme


Creative Commons License

Kurnaz R., Özcan T.

1st International Conference on Engineering and Applied Natural Sciences, Konya, Türkiye, 10 - 13 Mayıs 2022, ss.1663-1666

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Konya
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1663-1666
  • Erciyes Üniversitesi Adresli: Evet

Özet

Günümüz dünyasında artık yaşlı popülasyonu hızla artmaktadır. Yaşlılar arasında yaygın olarak görülen nörolojik hastalıklar içerisinde ikinci sırada yerini alan Parkinson Hastalığı da bu nedenle üzerinde daha yoğun çalışılır hale gelmiştir. Bu hastalık üzerine odaklanılmasındaki diğer önemli nokta ise hastalığın ilk belirtileri başladıktan itibaren teşhis konulana kadarki süre içerisinde birey üzerindeki olumsuz etkilerinin hızlı bir şekilde artışıdır. Çünkü henüz hastalığın tespitinde kullanılan genel kabul görmüş bir test yoktur. Hastalık ancak kişilerin günlük yaşantıları gözlemlenerek ya da motor ve motor olmayan özellikleri üzerindeki gerilemeler incelenerek tespit edilebilmektedir ki bu da hastalığın ilerleme hızına göre tehlikeli düzeyde uzun zaman almaktadır. Ancak literatürde sağlıklı ve hasta bireylerden toplanan birtakım veriler üzerinde sınıflandırma işlemi gerçekleştirilerek, bir bireyin hasta olup olmadığı üzerine çalışmalar yapılmaktadır. Lakin bir probleme yönelik veriler toplanırken içerisinde barındırılacak olan bilgiler spesifikleştirilmez, amacına hizmet edecek şekilde mümkün olduğunca genel tutulur. Fakat o veri seti üzerinden herhangi bir problem çözüme ulaştırılmaya çalışıldığı zaman, bu problemin amacına hizmet etmeyen bilgiler yanlış çıkarımlara neden olabileceği gibi zaman maliyetine de olumsuz yönde etki edecektir. Bu nedenle veri setleri ile çalışılmaya başlamadan önce amaca hizmet etmeyen bilgilerin bu veri setinden çıkarılması gerekmektedir.

Bu sebeple bu çalışma kapsamında Parkinson Hastalığının tespitine yönelik sınıflandırma probleminde kullanılan veri setinin daha az özellikle temsili için özellik seçimi işlemi gerçekleştirilecektir. Sınıflandırma başarımını kıyaslayabilmek için kNN sınıflandırıcı kullanılırken, veri seçimi için BMNABC algoritması kullanılacak olup, literatürde yaygın olarak kullanılan başka optimizasyon algoritmaları ile de kıyaslama yapılacaktır.