A comparative study of convolutional neural network features for detecting breast cancer
Meme kanserinin saptanmasinda konvonsiyonel sinir ağı özelliklerinin karşılaştırmali çalışması
- Tez No: 603405
- Danışmanlar: DR. KEZİBAN SEÇKİN CODAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: 58
Özet
Göğüs kanseri, en ölümcül kanser türüdür fakat erken tanı tedavisi ile kadınların hayatta kalma oranının çok yüksektir. Yardımcı sistem olarak bilgisayar destekli bir teşhis,radyologların bilgi birikimi olmadan anormallikleri otomatik olarak algılayabilir. Bu tezin amacı, görüntü temelli objelerin sınıflandırılmasında büyük başarılarlar elde edilecebilecek bir derin öğrenme metodolojisi uygulayarak göğüs kanserinin saptanmasıdır. 322 adet mamograf görüntüsü derin öğrenme algoritmaları ile tümör sınıflandırmak için kullanıldı. Konvolüsyonel sinir ağları (CNN) göğüs kanseri saptanmasında çeşitli yöntemler gerçekleştirir 48,2%, VGG16 ile 72.2%, ResNet50 65.3%„ NasNet 65.3%, ve InceptionResNetV2 60%, oranında başarı sağlanıldı. Göğüs kanseri sistemleri için umut verici bir teknik olarak iyi tasarlanmış bir konvolüsyonal nöral ağ, mevcut sistemlerde kesinlikle daha etkili bir rol oynayacaktır
Özet (Çeviri)
Breast cancer is the most deadly type of cancer among women survival rate of which can be increased with early diagnosis treatment. A computer-aided diagnostic as an auxiliary system in field can automatically detect abnormalities without wisdom of radiologists. The aim of this thesis is directly the detection of breast cancer by applying a deep learning due to their great achievements in the classification of picture-based objects.The data that is included 322 mammography images is used to classify the tumor by applying a new breed of deep learning algorithms- convolutional neural networks (CNNs).Compared with the CNNs in detection of breast cancer, the proposed methods out performs AlexNet by 48.2% , VGG16 by 72.2% ,ResNet50 by 65.3% , NasNet by 65.3% and Inception ResNetV2 by 60% in terms of accuracy rate. A well-designed convolutional neural network, as a promising technique for breast cancer systems, will certainly play more efficient role in existing systems.
Benzer Tezler
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- Optik koherens tomografisi görüntüleri kullanarak evrişimsel sinir ağı tabanlı retinal hastalık tespiti
Convolutional neural network based retinal disease detection via optical coherence tomography images
İSMAİL KAYADİBİ
Yüksek Lisans
Türkçe
2021
Mühendislik BilimleriAfyon Kocatepe ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜR EMRE GÜRAKSIN
- Crowd localization and counting via deep flow maps
Derin öğrenme ile çıkarılan hareket haritaları kullanılarak nesne kalabalıklarının tespiti ve sayımı
PEDRAM YOUSEFI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL
- Deep learning approaches for hailstorm detection and forecasting using CNN and LSTM algorithms: Comparative evaluation of radar products
Derin öğrenme yaklaşımlarıyla dolu fırtınası tespiti ve tahmini için CNN ve LSTM algoritmalarının kullanılması: Radar ürünlerinin karşılaştırmalı değerlendirmesi
NAHİT ÇATMADIM
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. MEHMET SİNAN ÖZEREN
- Road geometry extraction with fusion of low resolution satellite imagery and GPS trajectory using deep learning methods
Düşük çözünürlüklü uydu görüntüleri ve GPS rotaları birleştirilmesi ve derin öğrenme yöntemleri kullanılarak yol geometrilerinin tespiti
NECİP ENES GENGEÇ
Doktora
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGİN TARI