Geri Dön

Derin öğrenme ile rahim ağzı kanserinin teşhisi

Cervical cancer diagnosis using deep learning

  1. Tez No: 748234
  2. Yazar: KENNI KONATE
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ADEM GÖLCÜK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 52

Özet

Rahim ağzı kanseri, dünya genelinde kadınlarda dördüncü en çok görülen kanser türüdür. Literatür incelendiğinde ve uzman görüşleri alındığında rahim ağzı kanserinin erken teşhisinin, ölüm oranını önemli ölçüde azalttığı anlaşılmaktadır. Bu çalışmada açık veri seti olan SIPaKMeD veri seti kullanılmıştır. Bu veri seti 4049 pap-smear görüntüsü içermektedir ve görüntüler beş kategoriye ayrılırmıştır (Superficial-intermediate, parabasal, koilocytotic, dyskeratotic ve metaplastic). Sınıflandırma aşamasında bu veri setindeki görüntülerin %80'i eğitim veri seti, %20'si test veri seti olarak kullanılmıştır. Bu görüntülerin üzerinde önceden eğitilmiş beş farklı derin öğrenme modeli (ResNet50V2, InceptionV3, Xceptioon,VGG19, hibrit ResNet50V2 & Xception) uygulanmıştır. Ayrıca bu çalışmada VGG19 ve ResNet50V2 birlikte kullanılarak hibrit bir derin öğrenme modeli tasarlanmıştır. Tüm modeller için batch boyutu 16 olarak seçilmiştir. Önceden eğitilmiş modeller için epok sayısı 10, hibrit olarak tasarlanan model için epok sayısı 5 olarak seçilmiştir. Tüm modeller, Adam'ın optimizasyon algoritması kullanılarak 0,0001 öğrenme oranında eğitilmiştir. Önceden eğitilmiş modellerde elde edilen başarı oranları, ResNet50V2'de %88, InceptionV3'de %87, Xception'de %85, VGG19'da %81, hibrit ResNet50V2 & Xception'da %95.20'dir. Bu çalışma için tasarlanan hibrit VGG19 & ResNet50V2 modeli ile %95.32'lık bir başarı oranı elde edilmiştir. Bu da tasarlanan hibrit derin öğrenme modelinin rahim ağzı kanseri teşhisinde kullanılabileceğini göstermektedir.

Özet (Çeviri)

Cervical cancer is the fourth most common type of cancer in women worldwide. When the literature is reviewed and expert opinions are taken, it is understood that early diagnosis of cervical cancer significantly reduces the death rate. In this study, the public dataset SIPaKMeD was used. This dataset contains 4049 pap-smear images and images are divided into five categories (Superficial-intermediate, parabasal, koilocytotic, dyskeratotic and metaplastic). In the classification phase, 80% of the images in this dataset were used as training dataset and 20% as test dataset. Five different pre-trained deep learning models (ResNet50V2, InceptionV3, Xception,VGG19, hybrid ResNet50V2 & Xception) were applied on these images. In addition, in this study, a hybrid deep learning model was designed by using VGG19 and ResNet50V2 together. The batch size was chosen as 16 for all models. The epoch number was chosen as 10 for the pre-trained models and as 5 for the hybrid designed model. All models are trained at a learning rate of 0.0001 using Adam's optimization algorithm. Success rates in pre-trained models are 88% in ResNet50V2, 87% in InceptionV3, 85% in Xception, 81% in VGG19, and 95.20% in hybrid ResNet50V2 & Xception. A 95.32% success rate was achieved with the hybrid VGG19 & ResNet50V2 model designed for this study. This shows that the designed hybrid deep learning model can be used in the diagnosis of cervical cancer.

Benzer Tezler

  1. Rahim ağzı kanserinin veri madenciliği yöntemleri ile sınıflandırılması

    Classification of cervical cancer with data mining methods

    BÜŞRA YETGİNLER

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HALİL MURAT ÜNVER

  2. Pap-smear görüntüleri üzerinde rahim ağzı kanseri tespiti

    Cervical cancer detection over pap-smear images

    FATMA BETÜL AKYOL

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OĞUZ ALTUN

  3. Mikrodizi gen ifade verilerinde farklı öznitelik seçim yöntemleri ile sınıflama yöntemlerinin performanslarının değerlendirilmesi

    The effect of feature selection methods on the success of classification methods in microarray gene expression data

    ÖZLEM ARIK

    Doktora

    Türkçe

    Türkçe

    2020

    BiyoistatistikHacettepe Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. ERDEM KARABULUT

  4. Yeni pap smear veri seti kullanılarak derin öğrenme ile rahim ağzı kanseri teşhisi

    Cervical cancer diagnosis by deep learning using new pap smear dataset

    BAŞAK ÖZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HALİFE KODAZ

  5. Pap smear imgelerine ve yapay zekâ tekniklerine dayalı olarak rahim ağzı kanseri teşhisi için temiz mimariye dayalı karar destek sisteminin geliştirilmesi

    Development of a decision support system based on clean architecture for cervical cancer diagnosis based on pap smear images and artificial intelligence techniques

    FERAT EFİL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSamsun Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZAFER CÖMERT