Geri Dön

A comparative study on computer aided detection and classification of microcalcifications on mammograms

Mamogramda mikrokalsifikasyonların tespiti ve sınıflandırılması üzerine karşılaştırmalı bir çalışma

  1. Tez No: 167360
  2. Yazar: LEVENT EFE AKMAN
  3. Danışmanlar: DOÇ. DR. NAZİFE BAYKAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Mamogram, Bilgisayar Destekli Tespit ve Sınıflandırma, Bilgisayar Destekli Tanı, Mikrokalsifikasyon, Bulanık Mantık, Görüntü İşleme ve Diskiriminant Analiz vıı, Mamogram, Bilgisayar Destekli Tespit ve Sınıflandırma, Bilgisayar Destekli Tanı, Mikrokalsifikasyon, Bulanık Mantık, Görüntü İşleme ve Diskiriminant Analiz vıı
  7. Yıl: 2005
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 125

Özet

Öz MAMOGRAMDAMİKROKALSİFİKASYONLARIN TESPİTİ VE SINIFLANDIRILMASI ÜZERİNE KARŞILAŞTIRMALI BİR ÇALIŞMA AKMAN, Levent Efe Yüksek Lisans, Bilişim Sistemleri Bölümü Tez Yöneticisi: Doç. Dr. Nazife Baykal Ocak 2005, 109 sayfa Mamogramların yorumlanmasındaki doğruluk, mikrokalsifikasyonların otomatik olarak tespit edilmesine ve sınıflandırılmasına olanak sağlayan bilgisayar destekli tanı sistemleri ile geliştirilir. Bu tezde iki farklı bilgisayar destekli mikrokalsifikasyon tespit algoritması tartışılmış, üzerlerinde iyileştirmeler yapılmış, uygulamaya konmuş, değerlendirilmiş ve birbirleriyle karşılaştırılmıştır. İlk metot, kalsifikasyonların tespiti için temelde bulanık mantık tekniğini kullanmaktadır, ikinci metot geleneksel görüntü işleme tekniklerinden yararlanmaktadır. Geleneksel görüntü işleme tekniklerini kullanan metod mikrokalsifikasyonların tespitinde daha başarılı bulunmuştur. Tespit edilen mikrokalsifikasyonlar daha sonra istatistiksel yöntemler kullanarak iyi huylu ve kötü huylu olmak üzere sınıflandırılmış ve sonuçlar değerlendirilmiştir. Birinci mikrokalsifikasyon tespit metodunun çıktıları kullanıldığında, mamogramlar %73.7 ortalama olasılıkla doğru sınıflandırılmıştır. İkinci metot için ortalama doğru sınıflandırma oram %87.7 dir. vı

Özet (Çeviri)

ABSTRACT A COMPARATIVE STUDY ON COMPUTER AIDED DETECTION AND CLASSIFICATION OF MICROCALCIFICATIONS ON MAMMOGRAMS Akman, Levent Efe M.S., Department of Information Systems Supervisor: Assoc. Prof. Dr. Nazife Baykal January 2005, 109 pages The accuracy of the interpretation of mammograms is improved by computer aided diagnosis systems which automatically detect and classify the microcalcifications. Two different computer aided microcalcification detection algorithms are discussed, modified, implemented, evaluated and compared with each other in this thesis. The first method mainly uses fuzzy logic technique for the detection of calcifications. The second detection method utilizes conventional image processing techniques. The method, which uses conventional image processing techniques, is selected to be more successful in terms of detecting the microcalcifications. The detected microcalcifications are then classified as benign or malignant using discriminant analysis, which is a statistical technique, and the results are assessed. The mammograms are correctly classified with an average probability of 73.7% when the outputs of the fuzzy logic technique are used. The IV

Benzer Tezler

  1. Comparative analysis of deep convolutional neural network models for classification of brain tumors

    Beyin tümörlerinin sınıflandırılmasında derin evrişimli sinir ağı modellerinin karşılaştırmalı analizi.

    OZAN AKHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstinye Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞENOL PİŞKİN

  2. Tissue density classification in mammographic images using local features

    Yerel öznitelikler ile mamografi görüntülerinde doku yoğunluğunun sınıflandırılması

    SEZER KUTLUK

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL

  3. Exploring transfer learning strategies with pre-trained convolutional neural network for skin cancer classification

    Cilt kanserinin sınıflandırılmasına yönelik önceden eğitimli evrımsel sinir ağlarıyla transfer öğrenme stratejilerinin keşfedilmesi

    RIYAM QADRI MANHEE AL-SAHLANEE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM

  4. Optik koherens tomografisi görüntüleri kullanarak evrişimsel sinir ağı tabanlı retinal hastalık tespiti

    Convolutional neural network based retinal disease detection via optical coherence tomography images

    İSMAİL KAYADİBİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Mühendislik BilimleriAfyon Kocatepe Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜR EMRE GÜRAKSIN

  5. Görüntü işleme teknikleriyle meme kanserinin teşhisi

    Diagnosis of breast cancer with image processing techniques

    GÜLİZ TOZ

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce Üniversitesi

    Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PAKİZE ERDOĞMUŞ