Prostat spesifik antijeni yardımı ile prostat kanserinin değişik yapay sinir ağı modelleri ile tahmini

Abstract

Bu çalışmada, prostat spesifik antijeni (PSA) değerlerinin yardımıyla prostat kanseri olan ve prostat kanseri olmayan vakaların yapay sinir ağları (YSA) modelleri yardımıyla tahmin edilmesi amaçlanmıştır. Çalışma, geriye yönelik veri toplama yöntemi ile 203 erkek bireye ait olup, Fırat Üniversitesi Tıp Fakültesi Üroloji Anabilim Dalı Polikliniği’nden sağlanmıştır. Prostat kanserinin oluşumuna ilişkin PSA tipleri ve prostat kanserinin tanısında kullanılan değişkenler incelenmiştir. YSA, değişik öğrenme algoritmaları kullanılarak eğitilmiştir. Girdi katmanında 9 işlem elamanı kullanılmıştır. Çıktı katmanındaki değişken ise PSA değerlerine göre prostat kanser olup olmaması idi. Değişik YSA modelleri ve öğrenme algoritmaları denenerek, en iyi sonuç elde edilmeye çalışılmıştır. YSA modelleri, ileri beslemeli geriye yayılımlı ağ kullanılarak tahminde bulunulmuştur. Çalışmadaki YSA modellerinde, en iyi açıklayıcılık katsayısı (R 2) ve en küçük hata kareleri ortalaması (MSE) sırasıyla; 0.75 ve 0.07 olarak bulunmuştur. Yapılan çalışmada değişik YSA modellerinin, PSA’nın yardımı ile prostat kanserinin tahmin edilmesinde daha etkili ve ümit verici sonuçlar verebildiği belirlenmiştir. Böylece İleriye yönelik klinik tanı sürecinde kullanılabilir olduğu görülmüştür.

In this study, with the help of prostate specific antigen (PSA) values, patients with prostate cancer and without prostate cancer were predicted by different artificial neural networks (ANN) models. The study that was carried out retrospectively with 203 men was achieved in Department of Gazi University Faculty of Medicine, Department of Urology, Ankara, Turkey. The formation of prostate cancer was investigated, and some variables were used in the diagnosis of prostate cancer. ANN models were trained with different training algorithms. 9 process elements have been used in input layer. The output layer of value, the presence or absence of prostate cancer, was according to the PSA values. Trying out different ANN models and learning algorithms, the best results were achieved. ANN models were estimated using feed-forward back propagation network. Of the ANN models in the study, the best ANN model had determination coefficient (R 2) of 0.75 and mean squared error (MSE) of 0.07, respectively. Different ANN models can give promising results to predict prostate cancer with the help of PSA. Thence, ANN models may be used in the clinical diagnosis.