Derin öğrenme ile sınıflandırma: Meme kanseri teşhisi
Classification with deep learning: Breast cancer diagnosis
- Tez No: 751683
- Danışmanlar: PROF. DR. HACI HASAN ÖRKCÜ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Derin öğrenme, Makine öğrenmesi, Meme neoplazmları, Teşhis, Deep learning, Machine learning, Breast neoplasms, Diagnosis
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Meme kanseri, son zamanlarda dünyada en yaygın kanser türlerinden biri haline gelmiştir. Kanser vücuttaki hücrelerin kontrolsüz ve anormal şekilde büyümesidir. , vücudun doğal kontrol mekanizmalarının çalışmayı bırakması kanserin geliştiği anlamına gelmektedir. Dünya Sağlık Örgütüne göre 2020 yılında dünya genelinde meme kanserinden 684.996 ölüm gerçekleşmiştir. 2022'de 43.250 kadın ve 530 erkeğin meme kanserinden öleceği tahmin edilmiştir. Her yıl birçok meme kanseri hastası tanı ve tedaviye geç başvurulmasına bağlı olarak hayatını kaybetmektedir. Bu nedenle meme kanserinin erken teşhisi hayati önem arz etmektedir. X-ray mamografi en çok tercih edilen görüntüleme yöntemi olmasına rağmen kanser teşhisi için tek başına yeterli değildir. Son yıllarda meme kanserine erken tanı koymak için makine öğrenme ve derin öğrenme teknikleri kullanılmaktadır. Derin öğreme, makine öğrenmenin bir alt alanıdır ve yapay zekâ problemlerini çözmek amacıyla kullanılmaktadır. Bu çalışmada, UCI makine öğrenimi veri deposundan gelen ve meme kanseri vakaları için ölçümleri kaydeden Meme Kanseri Wisconsin veri seti kullanılmıştır. Bu veri setinde 357'si iyi huylu, 212'si kötü huylu olan toplamda 569 denek yer almaktadır. En Yakın K Komşu, Lojistik Regresyon, Rastgele Orman, Destek Vektör Makineleri, Karar Ağacı, Naive Bayes, çok katmanlı algılayıcılar ve Yapay Sinir Ağı algoritmaları sınıflandırma amacıyla kullanılmıştır. Algoritmalar, en iyi sınıflandırma algoritmasını belirlemek için yedi performans kriteri kullanarak değerlendirilmiştir. Bu çalışma, meme kanseri tümörlerini modern teknolojiler ile makine öğrenmesi algoritmaları ve derin öğrenme kullanarak daha doğru sonuçlarla iyi huylu ve kötü huylu tümörler olarak sınıflandırarak meme kanserini erken teşhis etmeyi amaçlamıştır.
Özet (Çeviri)
Breast cancer has recently become one of the most frequent cancers worldwide. The uncontrolled proliferation of aberrant cells in the body is known as cancer. When the body's natural regulating mechanisms fail, cancer develops. According to the World Health Organization, there were 684,996 deaths from breast cancer worldwide in 2020. It is estimated that 43,250 women and 530 men will die of breast cancer in 2022. Every year, many breast cancer patients die due to delayed diagnosis and treatment. Therefore, early detection of breast cancer is of vital importance. Although X-ray mammography is the most preferred imaging method, it is not sufficient alone for cancer diagnosis. Machine learning and deep learning approaches have been utilized to diagnose breast cancer early in recent years. Deep learning is a machine learning subfield used to solve artificial intelligence problems. In this study, the Breast Cancer Wisconsin dataset from the UCI machine learning repository, which records measurements for breast cancer cases, has been used. In this data set, there are 569 subjects in total, of which 357 are benign and 212 are malignant. K-Nearest Neighbor, Logistic Regression, Random Forest, Support Vector Machines, Decision Tree, Naive Bayes, multilayer perceptrons and Artificial Neural Network algorithms are used for classification. Algorithms have been evaluated using seven performance criteria to determine the best classification algorithm. This study has aimed to detect breast cancer early by classifying breast cancer tumors as benign and malignant tumors with more accurate results using modern technologies, machine learning algorithms and deep learning.
Benzer Tezler
- Mammogram görüntülerinden derin öğrenme yöntemleri ile meme kanseri teşhisi
Breast cancer diagnosis with deep learning methods from mammogram images
FURKAN ESMERAY
Doktora
Türkçe
2024
Mühendislik BilimleriFırat ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ARİF GÜLTEN
- Histopatolojik görüntülerden derin öğrenme tabanlı meme kanseri teşhisi
Deep learning-based breast cancer diagnosis using histopathological images
ABDULKERİM ÇELİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CÜNEYT ÖZDEMİR
- MRI görüntüleri kullanılarak meme kanseri teşhisi için derin öğrenme yaklaşımı
Deep learning approach for breast cancer diagnosis using MRI images
OKAN İHSAN BAĞRIAÇIK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiYapay Zeka Ana Bilim Dalı
DOÇ. DR. İBRAHİM ÖNDER YENİÇERİ
DR. ÖĞR. ÜYESİ SELİM YILMAZ
- Erken dönem meme kanseri tanılaması için termal görüntülerin derin öğrenme ile sınıflandırılması
Classification of thermal images with deep learning for early stage breast cancer diagnosis
TUĞÇE KİRİŞKEN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ENGİN
- Meme kanseri histopatolojik görüntülerinin derin öğrenme yöntemleriyle sınıflandırılması
Classification of breast cancer histopatological images using deep learning methods
KADİR CAN BURÇAK
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN UĞUZ