English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Makine ogrenmesi yontemlerinin siniflandirma ve tanimlama acisindan basarisinin artmasi, bilgisayar teknolojisine karar verme yetenegi kazandirmis ve analiz yapma metotlarini gelistirmistir. Makine ogrenmesi yontemlerinin bu avantajlari, medikal alanda hastaliklarin teshis ve tedavi sureclerinde uzmanlara yardimci olabilecek gelismis karar destek sistemlerini ortaya cikarmistir. Kanser teshisi sureclerinde kullanimi oldukca yayginlasan makine ogrenmesi yontemleri, sonuc cikariminda onemli roller ustlenmektedir. Meme kanseri, kadinlar arasinda en yuksek olum oranina sahip kanser turu olmakla birlikte dunyada gorulen en yuksek ikinci kanser turudur. Hasta sayisi dolayisi ile elde edilen verilerin buyuklugu goz onunde tutuldugunda, bu verilerin hizli bir sekilde analizinin yapilmasi, hastaligin erken teshisi icin onemli bir adimdir. Bu calismada, 699 hastadan toplanilmis goruntulerin sayisallastirilmasi ile elde edilen 10 adet oznitelik iceren Wisconsin Universitesi meme kanseri veri seti, K en yakin komsu ve karar agaci algoritmalarinin cesitli parametreleri degistirilerek siniflandirilmasi yapilmistir. Egitim ve test verileri capraz dogrulama ile karsilastirilmis ve en yuksek siniflandirma basarisi %97,30 ile K en yakin komsu algoritmasi ile elde edilmistir.

Meme Kanserinin Teşhis Edilmesinde Karar Ağacı Ve KNN Algoritmalarının Karşılaştırmalı Başarım Analizi