Breast cancer classification using deep neural network
Başlık çevirisi mevcut değil.
- Tez No: 652697
- Danışmanlar: DR. ÖĞR. ÜYESİ SHAHRAM TAHERI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Antalya Bilim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Son birkaç on yılda, meme kanseri vakaları muazzam bir şekilde arttı. Hem gelişmiş hem de gelişmemiş ülkelerde kadınlarda en popüler ikinci ölüm nedenidir. Her 100 kadından 8'i yaşamları boyunca bu popüler ve tehlikeli hastalıkla karşı karşıya. Bu hastalığı iyileştirmenin tek yolu meme kanserini erken evrelerde tespit etmektir. Meme kanserinin tanımlanmasındaki gecikme ölüm oranının artmasına neden olur. Uygun bir veri sunumu, sınıflandırma sistemlerinin performansını belirler. Bu çalışmada, makine öğrenimi ve derin öğrenme tekniklerini kullanarak halka açık Break-His veri setinden Meme Kanseri histopatolojik görüntüleri üzerinde bazı sınıflandırmalar yaptık. Göğüs kanseri görüntülerinin daha doğru sınıflandırılması için Resnet-101, Resnet-18 ve Densenet-201 gibi çalışmamızda Cnn olarak farklı sınıflandırıcılar ve LBP, HOG ve MPT gibi çok sayıda el yapımı özellik önerdik. Derin öğrenme, verileri verilerden çıkarır ve düzenler. Derin öğrenme ve makine öğrenimi tekniklerini kullanarak doğruluklarını değerlendirerek bu farklı uygulamaların rekabetçi bir karşılaştırmasını organize ettik ve hazırladık. Ayrıca el yapımı özellik çıkarıcılar için rekabetçi sonuçlar düzenledik ve yakın zamanda yapılan çalışmalarla eşleşen CNN ve el yapımı özellik çıkarıcı doğruluklarını düzenledik. Bu farklı teknikleri kullanarak çok büyük sonuçlar elde ettik. Derin ağların ve CNN'in farklı görüntü sınıflandırmalarında el yapımı özellik çıkarıcıların yerini ne kadar aldığını ortaya çıkardık.
Özet (Çeviri)
Over the last few decades, cases of breast cancer have increased enormously. It is the second most popular cause of deaths in women in both developed and undeveloped countries. 8 out of 100 women face this popular and dangerous disease in their life period. The only way to cure this disease is to detect breast cancer at early stages. Delay in identifying breast cancer leads to an increase in the death rate. An appropriate data representation determines the performance of classification systems. In this work, we have done some classification on Breast Cancer histopathological images from publically available Break-His dataset using machine learning and deep learning techniques. We proposed different classifiers in our work, Resnet-101, Resnet-18, and Densenet-201, etc as Cnn and multiple handcrafted features like LBP, HOG, and MPT for more accurate classification of breast cancer images. Deep learning extract and organizes features from data. We have organized and prepared a competitive comparison of these different implementations by evaluating their accuracy using deep learning and machine learning techniques. We also organized competitive results for handcrafted feature extractors and matched CNN and handcrafted features extractor accuracies with recent work done. We have achieved some enormous results using these different techniques. We brought in light that how deep networks and CNN are taking the place of handcrafted feature extractors in different image classifications.
Benzer Tezler
- Development of an effective deep learning model for breast cancer classification in histopathologic images
Histopatolojik görüntülerde meme kanserinin sınıflandırılmasına yönelik etkili bir derin öğrenme modelinin geliştirilmesi
KARWAN NOORI NADR JAF
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZKAN İNİK
- A comparative analysis of deep learning architectures for breast cancer detection in ultrasound imaging
Ultrason görüntülemede meme kanserinin tespitine yönelik derin öğrenme mimarisinin karşılaştırmalı bir analizi
MUHAMMAD ARSALAN IRSHAD
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiAntalya Bilim ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. YUSUF ÖZTÜRK
- Nuclei segmentation and classification in histopathology images using deep neural networks
Derin sinir ağları kullanarak histopatoloji görüntülerinde çekirdek segmentasyonu ve sınıflandırması
MUHARREMCAN GÜLYE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERİŞTAH DALKILIÇ
- Meme kanserinin histopatolojik görüntüler üzerinde derin sinir ağları kullanılarak bilgisayar destekli otomatik tespiti
Computer-aided automatic detection of breast cancer using deep neural networks on histopathological images
ZAFER SERİN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE DANDIL
- Brest cancer detection and image evaluation using amugented deep convolutional neural network
Genişletilmiş derin evrişimsel sinir ağı kullanarak göğüs kanseri tespiti ve görüntü değerlendirmesi
SAADALDEEN RASHID AHMED AHMED
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
DOÇ. DR. ADİL DENİZ DURU