Derin öğrenme ile histopatolojik olarak tanı konmuş 65 yaş üstü metastatik meme kanseri hastalarında kemoterapi yan etkisini öngörme
Estimating chemotherapy side effect in histopathologically diagnosed patients over 65 with metastatic breast cancer using deep learni̇ng
- Tez No: 604018
- Danışmanlar: PROF. DR. MEHMET İBRAHİM TUĞLU
- Tez Türü: Yüksek Lisans
- Konular: Histoloji ve Embriyoloji, Histology and Embryology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Manisa Celal Bayar Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Histoloji ve Embriyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Bu çalışmada, Histopatolojik olarak tanı konmuş 65 yaş üstü meme kanseri hastalarının tedavi edilme aşamasında makine öğrenmesi ve derin öğrenme yöntemlerinden faydalanılarak, kemoterapi yan etkilerini önceden tahminlemeye yönelik analiz çalışması yapılması hedeflenmektedir. Yapılan çalışma ile, hastaya kemoterapi verilip verilmemesi konusunda hekimlere fikir verilmesi hedeflenmiştir. Gereç ve Yöntem: Google tarafından geliştirilen ve açık kaynak kodlu bir kütüphane olan TensorFlow kütüphanesi kullanılacak olup bünyesinde birçok derin öğrenme algoritmasını barındıran kütüphane, ptyhon dili kullanılarak geliştirilmiştir. Kütüphane 1000'den fazla yazılımcı tarafından geliştirilmektedir. Derin öğrenme yöntemlerindeki başarı seçilecek veri özellik kümesinin belirlenmesine bağlıdır, bu çalışma için kanserli hastalara uygulanan kemoterapi tedavisinde en çok bakılan özelliklerden ve kemoterapi sonucunda ortaya çıkan yan etkilerden oluşan bir veri kümesi seçilmiştir. Geliştirilen sistem üzerinde öncelikle hastalara ait ilgili bilgiler girilmiş, ardından bu hastalarda kemoterapi tedavisinin sonuçları belirtilmiştir. Bu işlem sonucunda Makine öğrenmesi yöntemleri kullanılarak ilgili veri kümesi öğrenme işlemine tabi tutulmuş, bu işlem sonucunda yeni bir hasta geldiğinde bu hasta için kemoterapi uygulanıp uygulanmayacağı sistem tarafından tahmin edilmeye çalışılmıştır. Bulgular: Derin öğrenme modeli için yeterli veri olduğunda derin öğrenme yaklaşımlarının klinik karar verme süreci ve tedavi yaklaşımlarına başarıyla uygulanabileceği, uygun, doğru ve yeterli veri seti uygulandığında daha başarılı sonuçlar elde edileceği ve başarı oranının %90'lara ulaşacağı görülmüştür. Sonuçlar: Meme kanseri tanısında, derin öğrenme tekniklerinin kullanılması ile teşhis yöntemin doğruluğu ve uygun tedavi yöntemi arttırılabilir. Bu çalışma ile sunulan sonuçların derin öğrenme tekniğin diğer hastalıkların teşhis ve tedavisi için de daha ileri araştırmalara yol açacağı düşünülmektedir.
Özet (Çeviri)
Objective: In this study, it is aimed to make an analysis study to predict the side effects of chemotherapy by using machine learning and deep learning methods in the treatment stage of histopathologically diagnosed breast cancer patients over 65 years of age. With this study, it was aimed to give physicians ideas about whether to give chemotherapy to the patient. Material and methods: The TensorFlow library, which is an open source library developed by Google, will be used and the library which contains many deep learning algorithms has been developed by using ptyhon language. The library is developed by more than 1000 developers. Success in deep learning methods depends on determining the data feature set to be selected. For this study, a data set consisting of the most frequently observed features and side effects of chemotherapy was selected. On the developed system, relevant information about the existing patients was entered first, and then the results of chemotherapy treatment in these patients were indicated. As a result of this process, the related data set was subjected to learning process by using machine-learning methods, and as a result of this procedure, when a new patient arrives, it was tried to predict whether chemotherapy would be applied for this patient. Results: When there is sufficient data for the deep learning model, deep learning approaches can be successfully applied to clinical decision making and treatment approaches. When appropriate, accurate and sufficient data set is applied, more successful results will be achieved and the success rate will reach 90%. Conclusion: By using deep learning techniques in the diagnosis of breast cancer, the accuracy of the diagnostic method and the appropriate treatment method can be increased. It is thought that the results presented in this study will lead to further research in the diagnosis and treatment of other diseases by the deep learning technique.
Benzer Tezler
- Evrişimli sinir ağları ile histopatolojik görüntülerden melanom tespiti
Melanoma detection from histopatological images with convolutional neural networks
FATMA BETÜL KARA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. PAKİZE ERDOĞMUŞ
- Ön işleme tabanlı manyetik rezonans sekans karşılaştırmalı servikal lenf nodu segmentasyonu
Preprocessing based magnetic resonance sequence comparative cervical lymph node segmentation
ELİF AYTEN TARAKÇI
Tıpta Uzmanlık
Türkçe
2024
Kulak Burun ve BoğazSağlık BakanlığıKulak Burun Boğaz Ana Bilim Dalı
PROF. DR. METİN ÇELİKER
- Derin öğrenme ile paratüberküloz hastalığının patolojik görüntüler üzerinden tanı sisteminin geliştirilmesi
Deep learning based development of diagnostic system of paratuberculosis disease through pathological images
NİLGÜN ŞENGÖZ
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TUNCAY YİĞİT
PROF. DR. ALİ HAKAN IŞIK
- Histopatolojik görüntü analizinde derin öğrenme yöntemlerinin geliştirilmesi
Development of deep learning methods in histopathologic image analysis
DEMET ALICI KARACA
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BAHRİYE AKAY
- Dijital histopatoloji görüntüleri üzerinde meme kanseri tespiti
Detection of breast cancer on digital histopathology images
ZEYNEP YILDIRIM
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REFİK SAMET