Lung cancer prediction and classification using ML models
Başlık çevirisi mevcut değil.
- Tez No: 747261
- Danışmanlar: PROF. DR. GALİP CANSEVER
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
İnsanlık tarihindeki en ölümcül hastalık, insidansının gelecekte daha da artması beklenen akciğer kanseridir. Ancak hızlı yayılmasına ve tehlikesine rağmen kolaylıkla tedavi edilebilen veya önlenebilen kötü huylu bir tümördür. Akciğer kanseri teşhisi konan insan sayısındaki endişe verici artış önemli ölçüde artmıştır. Hastalığın erken evrelerinde semptomlarının olmaması nedeniyle hastalığı teşhis etmek oldukça zordur. Erken teşhis ve öngörü, insan hayatını kurtarmak için hastalığın erken tespit edilmesinde önemli bir role sahiptir. Enfekte hastalarda hastalığın erken tespiti, bilinmeyen akciğer kanseri olan hastalardan daha fazla iyileşme olasılığını artırır. Modern teknolojiler, kanserin türünü ve şiddetini belirlemede önemli bir rol oynamaktadır. Araştırmacıların incelemeyi yaptıktan sonra ortaya çıkardığı yeni sayısal yöntemler var. Son yıllarda bu sorunu çözmek için çeşitli yöntemler, yaklaşımlar ve bilgisayar destekli tanı modelleri tanıtılmıştır. AI yöntemleri, özellikle makine öğrenimi (ML) ve derin öğrenme ile birlikte, etkilenen hastaların x-ışını görüntü işlemesi, kanser metastazı seviyesini tahmin etmek için kullanılır. Sonuç olarak, bu araştırma, akciğer kanserinin erken evrelerini sınıflandırmak ve tanımlamak için çeşitli görüntü bölütleme ve öznitelik çıkarma yöntemlerini sentezlemeyi ve karşılaştırmayı amaçlamaktadır.
Özet (Çeviri)
The most deadly disease in human history is lung cancer, where its incidence is expected to rise more and more in the future. However, despite its rapid spread and danger, it is a malignant tumour that can be easily treated or avoided. The alarming rise in the number of people diagnosed with lung cancer has increased significantly. Diagnosing the disease is very difficult due to the lack of symptoms of the disease in its early stages. Early diagnosis and prediction have an important role in detecting the disease early to save human life. Early detection of the disease in infected patients increases the likelihood of their recovery greater than patients with unknown lung cancer. Modern technologies play an important role in determining the type and severity of cancer. There are new numerical methods that the researchers came up with after conducting the examination. Recently, various methods, approaches and models of computer-aided diagnosis have been introduced to solve this problem in the past years. AI methods specifically machine learning (ML) and deep learning, along with x-ray image processing of affected patients, are used to predict the level of cancer metastasis. As a result, this research aims to synthesize and compare several image segmentation and feature extraction methods to classify and identify early stages of lung cancer.
Benzer Tezler
- Karaciğer metastazlarında primer tümör odağını öngörmede 'radiomics' ve makine öğrenmesinin katkısı
Contribution of 'radiomics' and machine learning in predicting primer tumor site in liver metastases
ABDULLAH YILDIZ
Tıpta Uzmanlık
Türkçe
2020
Radyoloji ve Nükleer TıpKocaeli ÜniversitesiRadyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUDE TOSUN
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Topluluk öğrenmesi yöntemi ile mikrodizi veri analizi
Microarray data analysis with ensemble learning methods
TCHARE ADNAANE BAWA
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM EROL
- Makine öğrenmesi özellik seçimi (anova-boruta) ve sınıflandırma yaklaşımlarıyla pan-kanserde potansiyel mikroRNA biyobelirteçlerinin belirlenmesi
Identification of potential microRNA biomarkers in pan-cancer using machine learning feature selection and classification approaches
MELİKE KILIÇ
- Makine öğrenmesi yöntemleriyle tümör kontrol olasılığının hesaplanması
Calculating the probability of tumor control with machine learning methods
IŞIK ÇAKMAK
Yüksek Lisans
Türkçe
2017
BiyoistatistikKaradeniz Teknik ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. KEMAL TURHAN