DİYABETİK RETİNOPATİ TESPİTİ İÇİN ATOM ARAMA OPTİMİZASYONU İLE ÖZELLİK SEÇİMİ YÖNTEMİ

Abstract

Diyabetik Retinopati (DR), dünya genelinde milyonlarca insanı etkileyen görme kaybı ve körlüğün başlıca nedenidir. DR tespiti için retinal fundus görüntülerini kullanan birçok farklı bilimsel ve tıbbi yaklaşımlar bulunmaktadır. Bu yaklaşımların çoğunda, özellik seçimi aşaması yapılmadan diyabetik retinopati veri kümelerine çeşitli makine öğrenimi ve derin öğrenme yaklaşımları uygulanmıştır. Çalışmada UCI makine öğrenmesi deposundan elde edilen DR veri kümesi kullanılmıştır. Bu makalede, atom dinamiklerinden faydalanılarak önerilmiş popülasyon temelli yeni bir metasezgisel yöntem olan Atom Arama Optimizasyon (AAO) algoritması, ilk kez DR veri kümesi için bir özellik seçim yöntemi olarak kullanılmıştır. Normalize edilen veri kümesine AAO algoritmasının uygulanmasının ardından elde edilen yeni veri kümesi Bagging, CvR, IBk, JRip, Kstar ve SimpleCart olmak üzere altı sınıflandırma algoritması ile test edilmiştir. Aynı sınıflandırma algoritmaları, orijinal DR veri kümesine de uygulanmıştır. Elde edilen sonuçlar AAO algoritması ile özellik seçimi yapılmış veri kümesi ile karşılaştırılmıştır. Önerilen modelin performansı doğruluk, duyarlılık, özgüllük, kesinlik, f-ölçütü ve roc alanı değerleri bakımından değerlendirilmiştir. Elde edilen sonuçlar, AAO algoritması ile özellik seçimi yapılmış veri kümesi üzerinde Bagging, CvR, IBk, JRip, Kstar ve SimpleCart algoritmaları ile daha iyi değerler elde edildiğini göstermektedir. Bu bakımdan önerilen özellik seçimi ile algoritmaların özellik seçimi olmadan elde edilen sınıflandırma oranlarında doğruluk için ortalama %2.7, duyarlılık için %3.5, özgüllük için %2’lik bir artış sağlanmıştır.