Multi class breast cancer classification from multi magnification scales using histopathological images
Çok sınıf meme kanseri sınıflandırması istatistik görüntüleri kullanan çoklu büyütme ölçeği
- Tez No: 732383
- Danışmanlar: YRD. DOÇ. DR. SHAHRAM TAHERI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Antalya Bilim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Son birkaç on yılda, meme kanseri vakaları büyük ölçüde artmıştır. Kanserin erken teşhisi, ölümü önlemek için ana yaklaşımlardan biridir. Bu hastalığı tedavi etmenin tek yolu meme kanserini erken evrelerde tespit etmektir. Meme kanseri teşhisinde gecikme ölüm oranında artışa neden olur. Teknolojinin ortaya çıkışı, insanların hasta prognozunu otomatikleştirmesini ve semptomlardan hastalık çıkarımını ve rapor analizini kolaylaştırdı. Her ne kadar modern çağ teknolojisi kanserleri erken teşhis etmeyi kolaylaştırıyor. Bu araştırmada meme kanserini erken teşhis etmek için bir makine öğrenme algoritması uygulanmaktadır. Bu araştırma, çok sınıflı meme kanseri sınıflandırması için evrişimli sinir ağı (CNN) ve derin aşırı öğrenme makinesi (DELM) algoritmalarına dayalı bir karar düzeyi füzyonu önerdi. CNN, benzersiz bir tür derin öğrenmedir. Bu çalışma, meme kanseri görüntülerini BreakHis veri setinden dört iyi huylu ve dört kötü huylu alt tipe bölünmüş olarak kategorize etmek ve ayırt etmek için bir CNN kullandı. Derin aşırı makine öğrenimi, özellik çıkarma ve sınıflandırma görevlerini gerçekleştirmek için genellikle birkaç katman dizisini kullanır. Daha iyi doğruluk elde ederek erken evrelerde meme kanseri hastalık sınıflandırmasını uyguladı ve başardı.
Özet (Çeviri)
Over the last few decades, cases of breast cancer have increased enormously. Early detection of cancer is one of the main approaches to prevent death. 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. The advent of technology has made it easier for humans to automate patient prognosis and deduction of disease from symptoms and report analysis. Although modern era technology makes it easy to detect cancers early. A machine learning algorithm is applied to diagnose breast cancer early in this research. This research proposed a decision level fusion based on convolutional neural network (CNN) and deep extreme learning machine (DELM) algorithms for multi-class breast cancer classification. CNN is a sort of deep learning that is unique. This study used a CNN to categorize and distinguish breast cancer images from the BreakHis dataset, divided into four benign and four malignant subtypes. Deep extreme machine learning generally uses sequences of several layers to accomplish the feature extraction and classification tasks. It implemented and succeeded in breast cancer disease classification in early stages by achieving better accuracy
Benzer Tezler
- Superpixel assisted deep neural network for breast tumor segmentation in ultrasound images
Süperpiksel destekli derin sinir ağı ile meme ultrason görüntülerinde tümör segmentasyonu
NEFİSE UYSAL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
ÖĞR. GÖR. MURAT GEZER
- Sınıflandırma problemlerinde kural çıkarımı için yeni bir yöntem geliştirilmesi ve uygulamaları
Development and applications of a new method for rule extraction in classification problems
MURAT KÖKLÜ
Doktora
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NOVRUZ ALLAHVERDİ
- Investigating the effect of different feature selection strategies for classification of gene expression signatures of tumor cells
Tümör hücrelerin gen ifade imzalarinin siniflandirilmasina ilişkin farkli özellik seçim stratejilerinin etkisinin incelenmesi
ABUBAKHARI SSERWADDA
Yüksek Lisans
İngilizce
2017
Biyoistatistikİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF YASLAN
- Deep feature representations and multi-instance multi-label learning of whole slide breast histopathology images
Tüm slayt meme histopatoloji görüntülerinin derin öznitelik gösterimleri ve çoklu-örnek çoklu-etiket öğrenimi
CANER MERCAN
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM AKSOY
- Derin topluluk öğrenmesi modeli ile histopatolojik görüntüler üzerinde çok sınıflı kanser teşhisi
Multi-class cancer diagnosis on histopathological images with deep ensemble learning model
GİZEM YILDIZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖNDER YAKUT