Breast cancer detection using deep learning technique
Başlık çevirisi mevcut değil.
- Tez No: 672345
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMAD ILYAS
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Meme kanseri son zamanlarda dünyada en yaygın kanser türü haline geldi kentsel şehirlerde rahim ağzı kanseri. Meme kanseri konusunda çok büyük araştırmalar yapılmıştır ve algılama için birkaç otomatik makine oluşturuldu, ancak bunlar mükemmellik ve tıbbi değerlendirmeler daha güvenilir hizmetlere ihtiyaç duyar. Bilgisayar Destekli Teşhis (CAD) programları, radyologların yorumlamasına yardımcı olmak için son yirmi yılda geliştirilmiştir. mamogram taraması. Aşan derin evrişimli sinir ağları (CNN) 2012'den beri insan üretimi, görüntü tanımada büyük bir başarı oldu. Derin CNN'ler tıbbi görüntülerin analizinde devrim yaratır. Meme kanseri teşhisi için bir yöntem öneriyoruz Daha Hızlı R-CNN'ye dayalı, Nesne algılama için en yaygın çerçeveler. İnsan olmayan girişim mamografisi, cihaz kötü huylu veya iyi huylu lezyonları algılar ve sınıflandırır. önerilen yöntem, INbreast veritabanı genel sınıflandırma şemasının mevcut durumunu belirler, AUC = 0,95. 0.85 = 0.85 olan dijital mamografi mücadelesi DREAM'de yöntem burada bahsedilen ikinci oldu. Cihaz bir sensör olarak kullanıldığında, INbreast'in doğruluğu veri seti, çok yanlış pozitif görüntü noktaları ile son derece düşüktür.
Özet (Çeviri)
Breast cancer has become the most common form of cancer in world recently having overtaken cervical cancer in urban cities. Immense research has been carried out on breast cancer and several automated machines for detection have been formed, however, they are far from perfection and medical assessments need more reliable services. Computer Assisted Diagnostics (CAD) programs have been developed over the past two decades to help radiologists interpret mammogram screening. Deep convolutionary neural networks (CNN), which have surpassed human output since 2012, have been an immense success in image recognition. Deep CNNs will revolutionize the analysis of medical images. We propose a method for breast cancer detection based on Faster R-CNN, The most common frameworks for object detection. In a non-human interference mammogram, the device detects and categorizes malignant or benign lesions. The method proposed sets the current status of the INbreast database public classification scheme, AUC = 0.95. In the digital mammography challenge DREAM with 0.85 = 0.85, the method mentioned here was second. When the device is used as a sensor, the accuracy of the INbreast data set is extremely low with very false positive image points.
Benzer Tezler
- Farklı derin öğrenme modelleri kullanarak histopatalojik görüntülerden meme tümörlerinin sınıflandırılmasında yeni yaklaşımlar
New approaches in classification of breast tumors from histopathological images using different deep learning models
SEMA NIZAM ABDULGHANI
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEYFETTİN SİNAN GÜLTEKİN
- Derin öğrenme yöntemleri kullanılarak meme kanseri teşhisi
Diagnoses of breast cancer using deep learning techniques
PEREN JERFİ CANATALAY
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Derin öğrenme yöntemleri ile göğüs kanseri teşhisi
Breast canser diagnosis using deep learning methods
ALI MAHMOOD OGUR ANWER
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TANSEL DÖKEROĞLU
- Biopsy cost reduction for early diagnosis of breast cancer using hybrid deep learning techniques
Hibrit derin öğrenme teknikleri kullanılarak meme kanserinde erken teşhis için biyopsi maliyetinin düşürülmesi
PINAR USKANER HEPSAĞ
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELMA AYŞE ÖZEL
PROF. DR. ADNAN YAZICI
- Detection and classification of breast cancer in whole slide histopathology images using deep convolutional networks
Derin evrişimli ağlar ile tüm slayt histopatolojisi resimlerinde meme kanseri tesbiti ve sınıflandırılması
BARIŞ GEÇER
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM AKSOY