Mide kanserinin yapay zeka teknikleri ile analizi
Analysis of stomach cancer with artificial intelligence techniques
- Tez No: 1000424
- Danışmanlar: DOÇ. DR. SEVCAN AYTAÇ
- Tez Türü: Yüksek Lisans
- Konular: Biyoteknoloji, Biotechnology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoteknoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, mide tümörlerine ait histopatolojik görüntülerin otomatik olarak sınıflandırılması amacıyla farklı özellik çıkarım, boyut indirgeme ve sınıflandırma yöntemlerinin başarımı incelenmiştir. Çalışma kapsamında normal, benign ve malign olmak üzere üç farklı sınıfa ait histopatolojik görüntüler kullanılmıştır. Her bir sınıf için 30 görüntü eğitim, 30 görüntü test verisi olarak ayrılarak sınıflar arasında veri dengesi sağlanmıştır. Özellik çıkarımı aşamasında Hızlandırılmış Sağlam Özellikler (HSÖ) ve Maksimum Durağan Ekstrem Bölgeler (MDEB) yöntemleri kullanılmış; Çıkarılan özellikler, daha kompakt ve ayırt edici bir temsil elde edebilmek amacıyla Temel Bileşenler Analizi (TBA) ve Genelleştirilmiş Diskriminant Analizi (GDA) yaklaşımları doğrultusunda dönüştürülmüştür. İndirgenmiş özellikler, Karar Ağaçları, Rastgele Orman, Yapay Sinir Ağları ve Naive Bayes sınıflandırıcıları ile değerlendirilmiştir. Özellik sayısı 1 ile 50 arasında kademeli olarak artırılarak yöntemlerin farklı boyutlardaki performansları analiz edilmiştir. Elde edilen sonuçlar, sınıf bilgisini dikkate alan boyut indirgeme yöntemleri ile güçlü sınıflandırıcıların birlikte kullanılması durumunda sınıflandırma doğruluğunun anlamlı biçimde arttığını göstermiştir. Özellikle MDEB–GDA tabanlı yöntemlerin, benign ve malign sınıflar arasındaki ayrımı daha başarılı biçimde gerçekleştirdiği gözlemlenmiştir. Bu çalışma, geliştirilen yaklaşımın bilgisayar destekli tanı sistemleri için güvenilir bir ön değerlendirme aracı olabileceğini ortaya koymaktadır.
Özet (Çeviri)
In this thesis, the performance of different feature extraction, dimensionality reduction, and classification methods was investigated for the automatic classification of histopathological images of gastric tumors. The study utilized histopathological images belonging to three classes: normal, benign, and malignant. For each class, 30 images were used for training and 30 images for testing, ensuring class balance and enabling a fair performance comparison. Feature extraction was performed using Accelerated Robust Features (ARF) and Maximally Stable Extremal Regions (MSER). The extracted features were transformed using Principal Component Analysis (PCA) and Generalized Discriminant Analysis (GDA) approaches in order to obtain a more compact and discriminative representation. The reduced feature sets were evaluated using Decision Trees, Random Forest, Artificial Neural Networks, and Naive Bayes classifiers. The number of features was gradually increased from 1 to 50 to analyze the behavior of the methods under different feature dimensionalities. The experimental results demonstrated that combining class-aware dimensionality reduction techniques with powerful classifiers significantly improves classification accuracy. In particular, MSER–GDA-based approaches provided more effective discrimination between benign and malignant tumor classes. The findings indicate that the proposed methodology has strong potential to serve as a reliable component in computer-aided diagnosis systems.
Benzer Tezler
- 18F-FDG PET ve PET/CT görüntülemelerinde taşlı yüzük hücreli mide kanserlerinin yapay zeka destekli tanısı
Artificial intelligence-assisted diagnosis of signet-ring cell gastric carcinoma on 18F-FDG pet and PET/CTct imaging
EGEMEN SAYGILI
- Mide kanserinde yapay zekâ yaklaşımı ile sağkalım analizi
Survival analysis with artificial intelligence approach in gastric cancer
ALİ GÜNER
Doktora
Türkçe
2023
Karadeniz Teknik ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
Yükleniyor...
- Prediction of microsatellite status in colorectal cancer whole slide images using deep neural networks
Derin sinir ağları kullanılarak kolorektal kanser tüm slayt görüntüleri üzerinde mikrosatellit durumu tahmini
FATMA VİLDAN ENGİN
Yüksek Lisans
İngilizce
2025
İstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Mide kanserinin makine öğrenme teknikleri ile analizi
Analysis of gastric cancer with machine learning techniques
MELİKE ESMERAY
- Examination of the correlation between Helicobacter pylori and T cell response with the determination of PD-1 expression level in gastric pathologies
Mide patolojilerinde PD-1 ekspresyon seviyesinin tayini ile Helikobakter pylori ve T hücre cevabı arasındaki korelasyonun incelenmesi
TEVRİZ DİLAN DEMİR
Yüksek Lisans
İngilizce
2018
İstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı (disiplinlerarası)
Yükleniyor...