Derin öğrenme ile rahim ağzı kanserinin teşhisi
Cervical cancer diagnosis using deep learning
- Tez No: 748234
- Danışmanlar: DR. ÖĞR. ÜYESİ ADEM GÖLCÜK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Rahim ağzı kanserinin veri madenciliği yöntemleri ile sınıflandırılması
Classification of cervical cancer with data mining methods
BÜŞRA YETGİNLER
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HALİL MURAT ÜNVER
- Pap-smear görüntüleri üzerinde rahim ağzı kanseri tespiti
Cervical cancer detection over pap-smear images
FATMA BETÜL AKYOL
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZ ALTUN
- 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
2020
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. ERDEM KARABULUT
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HALİFE KODAZ
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSamsun ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAFER CÖMERT