Weakly supervised classification for breast cancer grading using smartphone-based microscopy images
Akıllı telefon tabanlı mikroskop görüntüleri ile meme kanseri derecelendirmesi için zayıf eğitmenle sınıflandırma
- Tez No: 1001872
- Danışmanlar: DOÇ. DR. SEVİNÇ FİGEN ÖKTEM SEVEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Patoloji, Electrical and Electronics Engineering, Pathology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Meme kanserinde histopatolojik derecelendirme, tedavi planlaması ve klinik karar verme süreçlerinde önemli bir rol oynamaktadır. Nottingham Histolojik Derecelendirme sistemi, invaziv meme karsinomun derecelendirilmesinde en yaygın kullanılan ölçüttür. Ancak manuel derecelendirme öznel, zaman alıcı ve uzman bilgisine dayalıdır. Son yıllarda, derin öğrenme tabanlı yöntemler kullanılarak yüksek çözünürlüklü tam slayt görüntülerinden (WSI) otomatik derecelendirme konusunda umut verici sonuçlar elde edilmiştir. Ancak bu yaklaşımlar pahalı görüntüleme altyapısına ihtiyaç duymakta ve bu durum kısıtlı kaynağın olduğu ortamlarda kullanımı engellemektedir. Bu tezde, düşük maliyetli akıllı telefon tabanlı mikroskop görüntüleri kullanılarak otomatik meme kanseri derecelendirme için yeni bir metod geliştirilmektedir. Yalnızca hasta düzeyinde Nottingham derece etiketleri mevcut olduğundan, zayıf denetimli bir öğrenme tekniğine odaklanılmıştır. Önerilen yöntem, önceden eğitilmiş bir patoloji temel modeli (UNI) kullanarak öznitelik çıkarımı, dikkat tabanlı zayıf eğitmenli bir model (CLAM) ile hasta düzeyinde sınıflandırma ve son olarak ikili sınıflandırıcılara dayalı bir topluluk öğrenme stratejisi içermektedir. Deneysel sonuçlar, önerilen yaklaşımın mevcut yöntemlere kıyasla daha üstün performans sergilediğini göstermektedir. Elde edilen bulgular, otomatik meme kanseri derecelendirmesinin WSI'lar yerine düşük maliyetli akıllı telefon tabanlı mikroskop görüntüleri kullanılarak gerçekleştirilebileceğini ve böylece hesaplamalı patolojinin kaynak kısıtı klinik ortamlarda uygulanabilir hale getirilebileceğini önermektedir.
Özet (Çeviri)
Breast cancer histopathological grading plays an important role in treatment planning and clinical decision-making. The Nottingham Histological Grading system is the most widely used criterion for grading invasive breast carcinoma. However, manual grading is subjective, time-consuming, and highly dependent on expert knowledge. While recent deep learning methods have shown promising performance in automated grading using high-resolution whole slide images (WSIs), such approaches rely on expensive imaging infrastructure, which limits their applicability in resource-constrained settings. This thesis develops an automated breast cancer grading approach using multiple low-cost smartphone-based microscopy images. A weakly supervised learning scheme is adopted since only patient-level Nottingham grade labels are available. A three-stage pipeline is proposed, consisting of feature extraction using a pretrained pathology foundation model (UNI), patient-level classification via an attention-based weakly supervised model (CLAM), and an ensemble learning strategy that employs pairwise binary classifiers to achieve improved multi-class grading accuracy. Experimental results demonstrate that the proposed ensemble-based approach consistently outperforms existing baseline methods in terms of various evaluation metrics and shows promising performance. These findings indicate that automated breast cancer grading can be achieved using low-cost smartphone-based microscopy images instead of WSIs, suggesting that computational pathology can be made feasible in resource-limited clinical environments.
Benzer Tezler
- Weakly supervised approaches for image classification in remote sensing and medical image analysis
Uzaktan algılama ve tıbbi görüntü analizinde zayıf denetimli görüntü sınıflandırma yaklaşımları
BULUT AYGÜNEŞ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM AKSOY
DR. ÖĞR. ÜYESİ RAMAZAN GÖKBERK CİNBİŞ
- A weakly supervised clustering method for cancer subgroup identification
Kanser alt gruplarının keşfi için zayıf gözetimli bir kümeleme metodu
DUYGU ÖZÇELİK
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. ÖZNUR TAŞTAN OKAN
- Deep feature representations and multi-instance multi-label learning of whole slide breast histopathology images
Tüm slayt meme histopatoloji görüntülerinin derin öznitelik gösterimleri ve çoklu-örnek çoklu-etiket öğrenimi
CANER MERCAN
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM AKSOY
- Data programming approach for weakly supervised learning of visual relations
Görsel ilişkilerin zayıf denetimli öğrenimi için veri programlama yaklaşımı
CEREN GÜRSOY
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FEHİME NİHAN ÇİÇEKLİ
- Türk işaret dili tanıma için zayıf-güdümlü makine öğrenmesi yöntemi
Weakly-supervised machine learning method for Turkish sign language recognition
BANUÇİÇEK KANDEMİR KILINÇÇEKER
Yüksek Lisans
Türkçe
2022
MatematikGebze Teknik ÜniversitesiMatematik Ana Bilim Dalı
DOÇ. DR. NURİ ÇELİK
DR. ÖĞR. ÜYESİ YAKUP GENÇ