Mamogram imgelerinde göğüs kanseri teşhisi
Breast cancer diagnosis on mammogram images
- Tez No: 348585
- Danışmanlar: YRD. DOÇ. DR. SEMİH ERGİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Electrical and Electronics Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: 69
Özet
Bu tezde, mamogram imgeleri kullanılarak çağımızda en sık karşılaşılan kanser türlerinden biri olan göğüs kanserinin tanısı ve teşhisi hedeflenmiştir. Bu amaç doğrultusunda, tezin ilk aşamasında, X-ışını mamogramları üzerinden normal ve kanserli dokuyu ayırt etmek için çalışmalar yapılmıştır. Bu kapsamda, Histogram of Oriented Gradients (Yönlendirilmiş Gradyanların Histogramı, HOG), Dense Scale Invariant Feature Transform (Ölçekten Bağımsız Yoğun Öznitelik Dönüşümü, DSIFT), Local Configuration Pattern (Yerel Konfigürasyon Örüntüsü, LCP) öznitelik çıkartma yöntemleri kullanılmıştır. Elde edilen öznitelikler, Support Vector Machine (Destekçi Vektör Makinesi, SVM), K-Nearest Neighbour (K-En Yakın Komşu, KNN), Fisher Linear Discriminant Analysis (Fisher Doğrusal Ayırtaç Analizi, FLDA) ve Karar Ağacı sınıflandırıcılarına tabi tutulmuş ve %100 tanıma oranı başarısı sağlanmıştır. Tezin ikinci aşamasında ise, normal, iyi huylu ve kötü huylu göğüs kanseri yapılarının sınıflandırılması amaçlanmıştır. Bu bağlamda, öncelikle, iki sınıflı çalışmada kullanılan yöntemler tekrarlanmış olup; istenilen sonuçlar alınamamıştır. Başarı oranlarını arttırmak için, iki adet farklı ve yeni yaklaşım bu tez kapsamında önerilmiştir. Bu yaklaşımlardan ilki, öznitelik çıkartım adımından önce bazı önişlemler uygulanmasını öngören ve çeşitli ağırlıklandırma parametrelerine sahip Weighted-Wavelet LCP (Ağırlıklı Dalgacık Yerel Konfigrasyon Örüntüsü, WWLCP) yöntemidir. Önerilen yaklaşımlardan ikincisi ise, iki sınıflı çalışmada %100 başarı sağlamış öznitelik çıkartma yöntemini kullanarak öncelikle normal dokuların düzgün bir şekilde ayrılmasını sağlayan ve ardından WWLCP yöntemini kullanarak iyi huylu-kötü huylu kanser dokusu teşhisini gerçekleştiren iki seviyeli çalışmadır. Bu iki seviyeli çalışmada, IRMA (Image Retrieval in Medical Applications) projesi kapsamında edinilmiş veritabanı için % 99,20 gibi üstün bir sınıflandırma başarısına ulaşılmıştır.
Özet (Çeviri)
This thesis aims to make detection and diagnosis of breast cancer which is the most frequently seen cancers in this day and age. Firstly, a two-class classfication, normal and cancerous breast tissue detection is performed on X-ray mammograms images toward this purpose. Within this scope, Histogram of Oriented (HOG), Dense Scale Invariant Feature Transform (DSIFT), Local Configuration Pattern (LCP) feature extraction techniques are used. Extracted features are used to train and test the following classifiers; Support Vector Machine (SVM), K-Nearest Neighbour (KNN), Fisher Linear Discriminant Analysis (FLDA) and Decision Tree which results recognition rates of 100%. Secondly, classification of normal, benign and malignant structures on digitized mammograms are tried to be performed. To do so, same feature extraction techniques of two-class classification are used. Though, satisfactory results could not be met. Two different newly proposed approaches are presented to increase classification results. First one uses some pre-processing methods and different weighting parameters named Weighted-Wavelet LCP (WWLCP). Second approach, proposes a two level classification that combines feature extraction techniques that have 100% performance in classifying normal tissues against cancerous ones with WWLCP method which distinguishes benign and malignant tumors accurately. Outstanding results are obtain as 99,20 % for the database that is retrieved by IRMA (Image Retrieval in Medical Applications) project with the presented two-level classification technique.
Benzer Tezler
- Computer aided diagnosis in radiology
Radyolojide bilgisayar destekli tanı
METİN NAFİ GÜRCAN
Doktora
İngilizce
1999
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ENİS ÇETİN
- Development of graphical code-based algorithms for the detection of abnormalities in mammogram ımages
Mamogram görüntülerinde anormalliklerin tespiti için grafik kod tabanlı algoritmaların geliştirilmesi
IMAN M. HAMADAMIN HAMADAMIN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN GÜLER
- Mamogram üzerinden bilgisayar destekli kanser teşhisi
Computer aided diagnosis from mammogram
İLKE TUNALI
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDAL KILIÇ
- 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
- A comparative study on computer aided detection and classification of microcalcifications on mammograms
Mamogramda mikrokalsifikasyonların tespiti ve sınıflandırılması üzerine karşılaştırmalı bir çalışma
LEVENT EFE AKMAN
Yüksek Lisans
İngilizce
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. NAZİFE BAYKAL