A decision support system based on content-based image retrieval for breast cancer diagnosis
Meme kanseri tanısı için içerik tabanlı görüntü erişimine dayanan bir karar destek sistemi
- Tez No: 477678
- Danışmanlar: DOÇ. DR. DAVUT HANBAY, PROF. DR. PRABİR BHATTACHARYA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: İnönü Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
Meme kanseri, akciğer kanserinden sonra kadınlarda kanser ölümlerinin en önemli ikinci sebebidir. Meme kanserinin erken bulgularının tespit edilmesi için uzmanlar tarafından genellikle mamogramlar kullanır. Bu sadece tedavi maliyetini değil aynı zamanda hastaların ölüm oranlarını da düşürmektedir. Bununla birlikte, mamogramların yorumlanması genellikle özneldir ve daha düşük duyarlılık ve özgüllük değerleri ile zordur. Bu tezde, göğüs kitlelerinin otomatik tespiti, sınıflandırılması ve erişimi için entegre bir sistem sunulmuştur. Sistemin amacı görüntüleri iyi huylu, kötü huylu veya normal olarak tahmin edebilmenin yanında ilgili geçmiş vakalara erişim sağlayarak ve görüntüleyerek karar verme sürecine yardımcı olmaktır. Bu kapsamda 3 farklı sistem önerilmiştir. Önerilen ilk sistemde, kitlenin geometrik özellikleri ve önerilen ghsthog, ghstcohog, ghsthogcohg öznitelikleri meme kitlesini ifade etmek için kullanılmıştır. Önerilen ikinci sistemde öznitelik çıkarımı için kitleye ait dokusal, geometrik, alt örnekleme olmayan çevritsel dönüşüm ve önerilen Eig(Hess)-HOG yöntemi kullanılmıştır. Her yöntemin avantajları ve dezavantajları geleneksel yöntemlerle ayrıntılı olarak tartışılmıştır. Son olarak, sınıflandırma ve erişim, destek vektör makinesi ve aşırı öğrenme makinası kullanılarak gerçekleştirilmiştir. Ayrıca, derin öznitelik tabanlı bir sistem geliştirilmiştir. Bu sistemde, hekimlerin kitle hakkındaki kararları, üst düzey derin öznitelikler ile ifade edilmiştir. Sonrasında, yukarıdaki özniteliklere dayalı iki aşırı öğrenme makinası sınıflandırıcısı test görüntülerinin türünü tahmin etmek için kullanılmıştır. Farklı özniteliklere dayalı sınıflandırıcıların sonuçları, test görüntülerinin türünü belirlemek için analiz edilmiştir. Görüntü erişimi ve sınıflandırma performansları, hem kesinlik-duyarlılık hem de sınıflandırma doğrulukları kullanarak iki farklı veri setinde değerlendirilip karşılaştırılmıştır. Deneysel sonuçlar, önerilen sistemin etkililiğini ve gerçek zamanlı klinik uygulamalardaki kullanılabilirliğini göstermektedir.
Özet (Çeviri)
Breast cancer is the second leading cause of cancer deaths among women after lung cancer. Physicians generally use mammograms to look for early signs of breast cancer that could reduce not only treatment cost but also patients' mortality rate. However, interpreting mammograms is often subjective and difficult due to lower sensitivity and specificity. In this thesis, we have presented an integrated system for automated detection, classification, and retrieval of breast masses. The goal of system is to assist decision-making process by retrieving and displaying the related past cases along with predicting the images as benign, malignant or normal. In this manner, we have proposed 3 different frameworks. In our first framework, geometric features of mass and our proposed ghsthog, ghstcohog, ghsthogcohg features are used to express the breast mass. In the second framework, geometric, textural features of mass, nonsubsampled contourlet transform and our proposed eig(Hess)-HOG are used for feature extraction. The advantages and shortcomings of each method are discussed with conventional methods in detail. Finally, classification and retrieval are performed based on using support vector machines and extreme learning machines. Furthermore, a deep feature based framework is developed. In this framework, physicians' decisions on mass were expressed by high-level deep features. Then, two extreme learning machine classifiers based on the features above is employed to predict category of test images. And outputs of classifiers based on each feature were examined together to define the kind of test image. The image retrieval and classification performances are evaluated and compared in two different datasets by using both the precision-recall and classification accuracies. Experimental outcomes indicate the effeciency of the proposed system and the viability of a real-time clinical application.
Benzer Tezler
- A decision support model based on Bayesian belief network to evaluate urban vibrancy
Kentsel canlılığı değerlendirmek amacıyla geliştirilen Bayes inanç ağlarına dayalı karar destek modeli
GÜLCE KIRDAR BAKRAÇ
Doktora
İngilizce
2023
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
- Object extraction from images/videos using a genetic algorithm based approach
İmge ve videolardan genetik algoritma yaklaşımıyla nesne çıkarılması
TURGAY YILMAZ
Yüksek Lisans
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADNAN YAZICI
- Kent bilgi sistemlerinin tasarımı ve gerçekleştirilmesi: Ankara kent bilgi sistemi oluşturma çalışması
Başlık çevirisi yok
ATİLLA KOPAR
- Çok katmanlı kısıtlı boltzmann makineleri ile sayısal görüntülerden sanatçı tanıma
Recognizing artist from digital images by multilayered restricted boltzmann machines
GÖRKEM KINIK
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMimar Sinan Güzel Sanatlar ÜniversitesiBilgisayar Ortamında Sanat ve Tasarım Ana Bilim Dalı
PROF. DR. SALİH OFLUOĞLU