Geri Dön

Pap-smear görüntüleri üzerinde rahim ağzı kanseri tespiti

Cervical cancer detection over pap-smear images

  1. Tez No: 642823
  2. Yazar: FATMA BETÜL AKYOL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ ALTUN
  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: 2020
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 61

Özet

Dünya çapında kadınlarda görülen kanser hastalıkları sıralamasında dördüncü sırada yer alan rahim ağzı kanserini erken aşamada tespit edebilmek hastalığın tedavisinde önemli bir yapı taşıdır. Hastalığın teşhisi için pap-smear testi kullanılmaktadır. Bu çalışma kapsamında rahim ağzı kanserini erken aşamada tespit edebilecek bilgisayar temelli bir karar sisteminin tasarlanması amaçlanmıştır. Pap- smear testi sonucunda elde edilmiş olan serviks görüntülerinde normal ve anormal özellikli hücreler bulunarak anormal olan hücreler görüntü üzerinde işaretlenmiştir. Çalışma genel olarak segmentasyon ve sınıflandırma olmak üzere iki bölümden oluşmaktadır. Segmentasyon işleminde çekirdek ve sitoplazma ayrı olarak ele alınmış ve birbirinden bağımsız olarak bölütlenmiştir. Çekirdek segmentasyonu aşamasında eşikleme ve K-means olmak üzere iki farklı yöntem kullanılmıştır. Sitoplazma segmentasyonu işleminde eşikleme ve iki görüntünün farkı yöntemleri kullanılarak sitoplazma bulunmuştur. Sınıflandırma aşamasında ise görüntülerden çıkarılmış olan bazı özellikler sınıflandırma kriteri olarak belirlenmiştir. Görüntülerden çıkarılan özellikler patoloji uzmanları ile incelenmiş ve bir veri seti oluşturulmuştur. Herlev veri setinde bulunan 917 görüntünün her biri için bu özellikler çıkarılmış ve bir veri setine kaydedilmiştir. Çalışmanın sınıflandırma aşamasında ise oluşturulan veri setine makine öğrenmesi yöntemlerinden derin öğrenme, Destek Vektör Makinesi (DVM), Naive Bayes (NB), Rastgele Orman (RO), Çok-Katmanlı Algılayıcı (ÇKA), Lojistik Regresyon (LR), K-En Yakın Komşu (KNN) ve Derin öğrenme yöntemleri uygulanarak sınıflandırma işlemi gerçekleştirilmiştir ve %81 ve %93 arasında doğruluk değerleri elde edilmiştir. Gelecek çalışmalarda bilgisayar temelli karar sistemini tamamlamak ve yapay zekâ modelini eğitebilmek için bu veri seti kullanılacaktır.

Özet (Çeviri)

Early detection of cervical cancer is an important building block in the treatment of the disease. Cervical cancer which ranks fourth in the ranking of cancer diseases seen in women worldwide. Pap-smear tests are used to diagnose the disease. In this study, it is aimed to design a computer-based decision system that can detect cervical cancer at an early stage. Normal and abnormal cells are found in the cervix images obtained as a result of the pap-smear test and the abnormal cells are marked on the image. The study generally consists of two parts: segmentation and classification. In the segmentation process, the nucleus and cytoplasm are handled separately and partitioned independently. In the nucleus segmentation phase, two different methods, thresholding and K-means were used. In the cytoplasm segmentation process, cytoplasm was found by using the threshold and the difference of the two images. In the classification phase, some features extracted from the images were determined as the classification criteria. The features extracted from the images were examined with pathologists and a dataset was created. For each of the 917 images in the Herlev dataset, these features were extracted and stored in a dataset. In the classification stage of the study, the classification process was performed by applying deep learning, Support Vector Machines, Naive Bayes, Random Forest, Multi-Layer Perceptron, Logistic Regression, K-Nearest Neighbor, and Deep Learning methods to the dataset created and accuracy values between 81% and 93% were obtained. In future studies, this dataset will be used to complete the computer-based decision system and to train the artificial intelligence model.

Benzer Tezler

  1. Derin öğrenme ile rahim ağzı kanserinin teşhisi

    Cervical cancer diagnosis using deep learning

    KENNI KONATE

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ADEM GÖLCÜK

  2. C-means kümeleme algoritması ile kolposkopik görüntülerde anomali analizi

    Anomaly analysis in colposcopic images by using C-means clustering algorithm

    KAMİL BÜYÜK

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    BiyomühendislikYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BÜLENT BAYRAM

  3. Segmentation and classification of cervical cell images

    Serviks hücre görüntülerinin bölütlenmesi ve sınıflandırılması

    ASLI KALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SELİM AKSOY

  4. Unsupervised segmentation and ordering of cervical cells

    Serviks hücrelerinin öğreticisiz olarak bölütlenmesi ve sıralanması

    NERMİN SAMET

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELİM AKSOY

  5. Çekişmeli üretken ağlarla medikal görüntülerin üretimi ve analizi

    Use of generative adversarial networks in medical image synthesis and segmentation

    SARA ALTUN GÜVEN

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUHAMMED FATİH TALU