Machine learning techniques in breast cancer detection
Meme kanserinde otomatik öğrenme teknikleri
- Tez No: 215928
- Danışmanlar: PROF.DR. NİZAMETTİN AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: görüntü isleme, görüntü bölütleme, mamografi, meme kanseri, tümör algılama, image processing, image segmentation, mammography, breast cancer, tumor detection
- Yıl: 2007
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Son yıllarda meme kanseri vakalarında önemli ölçüde artıs gözlemlenmektedir. Bu artısın sebeplerini incelemek için birçok arastırma yapılmasına ragmen kesin bir sonuç bulunamamıstır. Meme kanserinin ölüm oranı diger kanser tiplenine göre daha yüksektir. Türkiye'de meme kanserinin görülme oranı 100.000'de 7.32'dir. Aynı zamanda Türkiye'de kadınlar arasındaki kanser ölümlerinin %24.1'i meme kanserindendir. Amerika Birlesik Devletleri'nde (91.6/100.000) ise meme kanserinin görülme oranı Türkiye'deki oranla karsılastırıldıgında oldukça yüksektir. Erken teshis meme kanserinde hayat kurtarmaktadır. Kadınlarda meme kanserinin semptomlara yol açmadan erken teshisi için kisisel meme testi, klinik meme testi, görüntüleme testleri(mammagromlar, manyetik resonans görüntüleme, meme ultrasonu, PET scan metodu, CT scan metodu vs.) ve biyopsi gibi farklı tanı metodları vardır. Pek çok yöntem arasında, mamografi taraması meme kanserinin erken teshisinde önerilen güvenilir bir yöntemdir. Radyoloji uzmanları her imgeyi dikkatle inceleyerek anormal görüntü bulguları ararlar. Ancak, radyoloji uzmanı için bazı lezyonları mamografide bulmak zor olabilir, çünkü anormallikler çogunlukla içe gömülü ya da meme içinde bulunan degisken doku yapıları tarafından kamufle edilmistir. Bulguyu kolay hale getirmek için, görüntüleme yöntemleri gelistirilmektedir. Bu çalısmada, kötü huylu kütleleri mamografi görüntüleri üzerinde inceleyen bir system amaçlanmıstır. Farklı ölçeklerde kullanılan median filtre davranısları incelenmistir. Median filter uygulamasından sonra,süpheli bölgeler uyarlamalı esik degeri ile bölüklenmistir.
Özet (Çeviri)
In recent years there is a considerable increase in breast cancer cases. Although various studies have been done to examine the reasons of this increase, an exact solution has not been found. The mortality of breast cancer is also very high with regard to the other cancer types. Breast cancer incidence is 7.32 per 100.000 in Turkey. Also in Turkey, deaths due to breast cancer constitute 24.1% of all carcinoma cases reported among women in Turkey. In the United States (91.6 per 100.000), breast cancer incidence is relatively high when compared with Turkey. Early diagnosis saves lives in breast cancer. There are different guidelines for finding breast cancer early in women without symptoms such as breast self-exam (BSE), clinical breast exam, breast awareness and imaging tests (mammograms, MRI, Breast ultrasound, PET scan, CT scan etc.), and biopsy. Among many research, screening mammography is recommended as the most reliable method for early detection of breast cancer. Radiologists carefully search each image for any visual sign of abnormality. However, it could be difficult for radiologists to detect some lesions on mammograms, because abnormalities are often embedded in and camouflaged by varying densities of breast tissue structures. To make easier detection, image processing techniques are being improved. In this study, I propose a system to detect malignant masses on mammograms. I investigated the behavior of Median at different scales. After median filter was applied, suspicious regions were segmented by means of an adaptive threshold.
Benzer Tezler
- An artificial intelligence approach for breast cancer treatment
Meme kanseri tedavisinde yapay zeka yaklaşımı
TUĞÇE BELDEK
Doktora
İngilizce
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE CAMGÖZ AKDAĞ
- Makine öğrenmesi teknikleriyle mikrodalga meme kanserinin tespiti ve konumunun belirlenmesi
Detection and localization of microwave breast cancer by machine learning techniques
ELİF TÖLÜK
Yüksek Lisans
Türkçe
2022
MatematikYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİROL ASLANYÜREK
- Farklı derin öğrenme modelleri kullanarak histopatalojik görüntülerden meme tümörlerinin sınıflandırılmasında yeni yaklaşımlar
New approaches in classification of breast tumors from histopathological images using different deep learning models
SEMA NIZAM ABDULGHANI
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEYFETTİN SİNAN GÜLTEKİN
- Mamogram görüntülerinden makine öğrenmesi yöntemleri ile meme kanseri teşhisi
Breast cancer detection on mammogram images by using machine learning techniques
İSMAİL İŞERİ
Doktora
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEMİL ÖZ
- Biopsy cost reduction for early diagnosis of breast cancer using hybrid deep learning techniques
Hibrit derin öğrenme teknikleri kullanılarak meme kanserinde erken teşhis için biyopsi maliyetinin düşürülmesi
PINAR USKANER HEPSAĞ
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELMA AYŞE ÖZEL
PROF. DR. ADNAN YAZICI