Geri Dön

Early prognosis of breast cancer using image processing and machine learning

Görüntü işleme ve makine öğrenmesi yöntemiyle erken meme kanseri teşhisi

PDF İndir

  1. Tez No: 541544
  2. Yazar: SENA BÜŞRA YENGEÇ TAŞDEMİR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ZAFER AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Abdullah Gül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 111

Özet

Kadınlarda, kanser ölümünün önde gelen nedeni ve en sık görülen kanser türü meme kanseridir. Erken teşhisi ölüm oranını azaltır, bu nedenle erken teşhis çok önemlidir. Dijital mamografi, meme kanserinin erken teşhisi ve tanısında kullanılan yaygın bir tıbbi görüntüleme tekniğidir. İlgili bölgenin (ROI) otomatik olarak saptanması, bir radyolog tarafından daha fazla analiz edilebilecek şekilde anormal alanları işaretlenmesine yardımcı olur. ROI'nin otomatik algılanması, özellik çıkarımı ve sınıflandırılması olmak üzere iki ana aşamaya sahiptir. Öznitelik çıkarma, görüntüyü bir bilgisayar için daha anlaşılır olan başka bir boyuta dönüştürür. İkinci adım, sınıflandırıcı tarafından yapılan kararı (normal veya ROI) içerir. Bu çalışmada, 2D-DWT, HOG, Haralick'in dokusal özellikleri, TAS, LBP, Zernike ve GLCM gibi farklı öznitelik çıkarma yöntemleri kullanılmıştır. Sistemin performansını değerlendirmek için, gerçeklenen sınıflandırıcılar; rastgele orman, lojistik regresyon, k-en yakın komşular (k-NN), naïve Bayes, karar ağacı, destek vektör makinesi (SVM), Adaboost, radyal temelli fonksiyon ağı (RBF-NN), çok katmanlı algılayıcı (MLP), konvolüsyonel sinir ağı (CNN) kullanılmıştır. Kapsamlı deneyler neticesinde, optimum başarıyı veren özellik çıkarma, özellik seçimi ve sınıflandırma yöntemleri tespit edilmiştir. Önerilen yeni ROI tanıma yönteminde görüntü ön işleme aracı olarak CLAHE, öznitelik çıkarmak için 2D-DWT, HOG, Haralick, özellik seçim yöntemi olarak wrapper ve sınıflandırıcı olarak rastgele orman yöntemi kullanılmış ve % 87.5'lik bir doğruluk oranı elde edilmiştir.

Özet (Çeviri)

Among females, leading cause of cancer death and the most common cancer type is breast cancer. Early detection is vital because it reduces the mortality rate. Digital mammography is a widespread medical imaging technique that is used for early detection and diagnosis of the breast cancer. Automatic detection of tumorous area from the digital mammography image helps to locate the abnormal tissues, which may be analyzed further by a radiologist. It has two main stages: feature extraction and classification. In this work, numerous feature extraction methods have been tested such as 2D-DWT, HOG, Haralick's textural features, TAS, LBP, Zernike and GLCM. In order to select the most suitable classifier, the following classifiers also have been tested: random forest, logistic regression, k-nearest neighbors, naïve Bayes, decision tree, support vector machines, Adaboost, radial basis function network, multilayer perceptron, convolutional neural network. Based on comprehensive experiments, the optimum combination of feature extraction, feature selection and classification methods are identified. The proposed method, which employs CLAHE as image pre-processing tool, 2D-DWT, HOG, Haralick as feature extraction methods, wrapper as the feature selection method and random forest as the classifier, attained an accuracy of 87.5%.

Benzer Tezler

  1. Tez No

    859200

    Development web based system to recommend artificial intelligence methods and evaluation models for cancer diagnosis and prognosis

    Önerilen web tabanlı sistemin geliştirilmesi yapay zeka yöntemleri ve değerlendirmes kanser tanı ve progno için modeller

    ADEJUMO DOLAPO

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ILHAM HUSEYINOV

  2. Tez No

    115827

    Dinamik manyetik rezonans görüntüleme ve ultrason kontrast ajanlı power doppler ultrasonografi ile meme lezyonlarında benign ve malign ayrımı

    Başlık çevirisi yok

    FAİK SUNGURLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2002

    OnkolojiMarmara Üniversitesi

    Radyodiagnostik Ana Bilim Dalı

    DOÇ.DR. ERKİN ARIBAL

  3. Tez No

    732383

    Multi class breast cancer classification from multi magnification scales using histopathological images

    Çok sınıf meme kanseri sınıflandırması istatistik görüntüleri kullanan çoklu büyütme ölçeği

    MUHAMMAD ZUNAIR ZULFIQAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Bilim Dalı

    YRD. DOÇ. DR. SHAHRAM TAHERI

  4. Tez No

    818817

    Meme kanserlerinde prognostik faktörleri öngörmede tümörün dijital meme tomosentez görüntülerinin derin öğrenme ile analizi

    Deep learning analysis of digital breast tomosynthesis images of tumor to predict prognostic factors in breast cancers

    ELİF AYDINGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilim ve TeknolojiYıldız Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MERT BAL

  5. Tez No

    358918

    Meme kanseri olgularında geç çekim PET/CT bulgularının klinik ve immünohistokimyasal prognostik faktörlerle ilişkisi

    The relationship between late phase PET/CT findings and clinical and/or immunohistochemical prognostic factors in patients with breast cancer

    VEDAT SUBAŞI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Radyoloji ve Nükleer Tıpİnönü Üniversitesi

    Dahili Tıp Bilimleri Bölümü

    YRD. DOÇ. DR. ERSOY KEKİLLİ

Geri Dön