An improved of deep convolutional neural network for early breast cancer detection
Erken meme kanseri tespiti için geliştirilmiş derin evrişimli sinirsel ağ
- Tez No: 696598
- Danışmanlar: YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Recently, breast cancer has been among the deadliest diseases worldwide. The second leading cause of mortality globally is cancer of the breast. The finest strategies to combat cancer is an early identification when limited and can be extirpated by pharmacological treatment or by surgical operation. Variable tools have been created for screening breast cancer, including mammography, ultrasonography, and thermography. In this technique, the radiologist may use image processing and deep learning algorithms to more effectively identify chest problems. The use of an improved“Deep Convolutional Neural Network”for premature and accurate cancer of the breast detection and diagnosis is suggested in this work. Furthermore, this work distinguishes itself from the previous by employing the DCNN with 12 nested processing layers. The Deep CNN with 12 nested processing layers increased the accuracy of breast cancer detection and diagnosis. The Mini Mammographic Database (MIAS) has been utilized to exam and evaluate the suggested system performance. However, according to the obtained results, it is observed that Deep CNN achieved excellent results with an accuracy of 99.1%. Also, the performance of the DPD-DCNN has been compared with the related work and it is achieved the highest accuracy.
Özet (Çeviri)
Son zamanlarda meme kanseri dünya çapında en ölümcül hastalıklar arasında yer almaktadır. Dünya genelinde ikinci önde gelen ölüm nedeni meme kanseridir. Kanserle savaşmak için en iyi strateji, sınırlı olduğunda erken teşhistir ve farmakolojik tedavi veya cerrahi operasyonla yok edilebilir. Mamografi, ultrasonografi ve termografi dahil olmak üzere meme kanserini taramak için çeşitli araçlar oluşturulmuştur. Bu teknikte radyolog, göğüs problemlerini daha etkin bir şekilde tanımlamak için görüntü işleme ve derin öğrenme algoritmalarını kullanabilir. Bu çalışmada meme kanserinin erken ve doğru teşhisi için geliştirilmiş bir“Derin Evrişimli Sinir Ağı”nın kullanılması önerilmektedir. Ayrıca, bu çalışma, DCNN'yi 12 iç içe işleme katmanıyla kullanarak kendisini öncekinden ayırıyor. 12 iç içe işleme katmanına sahip Deep CNN, meme kanseri tespiti ve teşhisinin doğruluğunu artırdı. Önerilen sistem performansını incelemek ve değerlendirmek için Mini Mamografik Veri Tabanı (MIAS) kullanılmıştır. Ancak elde edilen sonuçlara göre Deep CNN'nin %99,1 doğrulukla mükemmel sonuçlar elde ettiği gözlemlenmiştir. Ayrıca DPD-DCNN'nin performansı ilgili çalışma ile karşılaştırılmış ve en yüksek doğruluk elde edilmiştir.
Benzer Tezler
- Development web based system to recommend artificial intelligence methods and evaluation models for cancer diagnosis and prognosis
Önerilen web tabanlı sistemin geliştirilmesi yapay zeka yöntemleri ve değerlendirmes kanser tanı ve progno için modeller
ADEJUMO DOLAPO
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ILHAM HUSEYINOV
- Breast cancer diagnosis in histopathological images using autoencoder-enhanced convolutional neural network
Histopatolojik görüntülerde meme kanseri teşhisi için otokodlayıcı ile geliştirilmiş evrişimsel sinir ağı kullanımı
İSMAİL İÇME
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Meme kanseri tespiti için sentetik mikrodalga görüntülerinin derin öğrenme odaklı segmentasyonu
Driven segmentation of synthetic microwave images for breast cancer detection
ÖZLEM BAHAR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÇAYÖREN
- 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
- Göğüs kanseri sınıflandırmasında yenidenboyutlandırma ve aşırı örneklemenin etkisi
Effect of resize and oversampling on breast cancerclassification
ATAKAN GÖÇER
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ÖZGÜR CİNGİZ