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: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: görüntü isleme, görüntü bölütleme, mamografi, meme kanseri, tümör algılama, Görüntü işleme, image processing, image segmentation, mammography, breast cancer, tumor detection, Image segmentation, Image processing
- 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: Belirtilmemiş.
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
- 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
- Antenna design for breast cancer detection and machine learning approach for birth weight prediction
Meme kanseri tespiti için anten tasarımı ve doğum ağırlığı tahmini için makine öğrenmesi yaklaşımı
HALUK KIRKGÖZ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR KURT
- Yapay zeka ile meme kanseri teşhisi
Breast cancer diagnosis with artificial intelligence
İLKER ÇAKAR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Breast tumor segmentation and classification on histopathological images using machine learning
Makine öğrenmeyi kullanarak histopatolojik görüntüler üzerinden meme tümörünün bölümlendirilmesi ve sınıflandırılması
ZEYAD ABDALKAREEM KHALAF KHALAF
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA
- Breast cancer recurrence prediction with self supervised learning
Öz-denetimli öğrenme ile meme kanseri tekrarlama olasılığının tahmini
İPEK AKTAŞ
Yüksek Lisans
İngilizce
2025
BiyomühendislikBahçeşehir ÜniversitesiYapay Zeka Ana Bilim Dalı
DOÇ. DR. CEMAL OKAN ŞAKAR