Geri Dön

Meme kanserinin tespiti ve sınıflandırılması için geliştirilmiş bilgisayar destekli teşhis sistemi

An improved computer aided detection system for breast cancer detection and classification

  1. Tez No: 716071
  2. Yazar: ABDULLAH FREIDOON FADHIL FADHIL
  3. Danışmanlar: DOÇ. DR. HUMAR KAHRAMANLI ÖRNEK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Bilgisayar Destekli Teşhis Sistemi, Destek Vektör Makinesi, Karar Ağacı, Kesikli Dalgacık Dönüşümü, Lineer Diskriminant Analizi, Meme Kanseri, ve Yapay Sinir Ağı, Artificial Neural Network, Breast Cancer, Computer-Aided Detection system, Decision Tree, Discrete Wavelet Transform, Linear Discriminant Analysis, and Support Vector Machine
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Fen Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 60

Özet

Meme kanseri, tüm dünyada kadınların ölüm nedenleri arasında ikinci sırada gelmektedir. Meme kanserine yol açan memedeki değişikliklerin nedeni hâlâ tam olarak bilinmediği için, hastalığın önlenmesi de mümkün olmamaktadır. Bu yüzden meme kanserinin erken tespiti ve teşhisi tedavinin başarısını artırmasının yanında, hastanın hayatının kurtulmasını sağlayabilir ve tedavi maliyetlerini de düşürebilir. Görüntü işleme yöntemleri kullanılarak yapılan meme kanserinin erken teşhisi, farklı otomatik tıbbi araçlardan doğruluk açısından daha düşük performans sergilemektedir. Teşhis doğruluğunu artırmak için, segmentasyon, öznitelik çıkarma, teşhis ve sınıflandırma gibi farklı aşamalar üzerinde hâlâ birçok araştırma devam etmektedir. Biyomedikal görüntülerin değerlendirilmesi için genel olarak iyi eğitimli ve deneyimli radyologlara ihtiyaç duyulur. İyi eğitimli uzmanlar arasında bile gözlem açısından yüksek varyasyon oranı olabileceğinden, meme kanserinin teşhis edilmesi ve sınıflandırmasında radyologlara yardımcı olmak için bilgisayar destekli bir teşhis (Computer-Aided Detection, CAD) sistemine ihtiyaç vardır. CAD, görüntülerdeki şüphe uyandıran anormallikleri tespit eden ve bunları radyolog için işaretleyen bir patern tanıma yazılımıdır. Bu çalışmada, meme kanseri tümörlerini iyi huylu ve kötü huylu tümörler olarak sınıflandırmak için geliştirilmiş bir CAD sistemi sunulmuştur. Bu CAD sisteminde bölge bazlı segmentasyon yaklaşımı, bir başka ifadeyle bölge büyütme tekniği kullanılmıştır. Kesikli dalgacık dönüşümü, histogram ve doku tabanlı özellik çıkarımı için kullanılır. Önerilen 120 özelliği sıralamak ve seçmek için sınıflar arası ayırma ve sınıflandırma doğruluk kriteri kullanıldı. Sınıflandırma için Lineer Diskriminant Analizi, Yapay Sinir Ağı, Karar Ağacı ve Destek Vektör Makinesi olmak üzere dört farklı sınıflandırıcı kullanılmıştır. Veri olarak MIAS veri kümesi kullanılmıştır. 10-kez çapraz doğrulama uygulanmıştır. Elde edilen en yüksek doğruluk, %93.6 oranı ile sınıflar arası ayırma yöntemini kullanarak en iyi 69 özelliği kullanan Destek Vektör Makinesi sınıflandırıcısında bulunmuştur. Elde edilen duyarlılık ve özgüllük sırasıyla %89.2 ve %99.0 olarak tespit edilmiştir.

Özet (Çeviri)

Breast Cancer is the second leading cause of death for women worldwide. Since the cause of the changes in breast that lead to breast cancer is still not fully known, prevention becomes impossible. Thus, early detection and diagnosis of breast cancer can not only improve the chance of success in treatment, but also save patients' lives, and reduce treatment costs. Early detection of breast Cancer using image processing methods is suffering from the low accurate performance in different automated medical tools. To improve the accuracy, many research still continue on different phases such as segmentation, feature extraction, detection, and classification. Evaluation of biomedical images requires well-trained and experienced radiologists in general. Since even well-trained experts may have a high inter-observer variation rate, a computer-aided detection (CAD) system is therefore needed to help radiologists in breast cancer detection and classification. CAD is a pattern recognition software that identifies suspicious abnormalities on images, marking them for the radiologist. In this study, an improved CAD system is introduced for classifying breast cancer tumors into benign and malignant tumors. This CAD system is using a region-based segmentation approach, namely region growing, is used. Discrete wavelet transform is used for histogram and texture-based feature extraction. The 120 candidate features were ranked and selected according to two criteria which are the interclass separation and classification accuracy criterion. Four different classifiers, namely Linear Discriminant Analysis, Artificial Neural Network, Decision Tree, and Support Vector Machine, were used for classification. The results are obtained using a 10-Fold cross-validation technique on MIAS data set. The highest accuracy was achieved by the Support Vector Machine classifier, which used the best 69 features from the interclass separation method, with a rate of 93.6%. The sensitivity and specificity achieved were 89.2% and 99.0%, respectively

Benzer Tezler

  1. Histopatolojik meme kanseri görüntülerinin evrişimsel sinir ağları kullanılarak sınıflandırılması

    Classification of histopathological breast cancer images using convolutional neural networks

    ZEHRA KADİROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERKAN DENİZ

  2. 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

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELİM AKSOY

  3. Breast cancer detection with convolutional neural network using ultrasound images

    Başlık çevirisi yok

    JIHAD JAMAL OTHMAN OTHMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YASEMİN ÇETİN KAYA

  4. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ILHAM HUSEYINOV

  5. Scoring of CERbB2 tumors in breast cancer by pathological image analysis

    Patolojik görüntü analizi ile meme kanserinde CERbB2 tümörlerinin skor değerlerinin belirlenmesi

    GÖZDE AYŞE TATAROĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. BEHÇET UĞUR TÖREYİN