Geri Dön

Meme kanserinde görüntü işleme tabanlı lezyon tespiti

Image processing based lesion detection in breast cancer

  1. Tez No: 759745
  2. Yazar: ASLI CANAN KUŞCU
  3. Danışmanlar: DOÇ. DR. HALİL EROL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Osmaniye Korkut Ata Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 168

Özet

Bu çalışmanın amacı, yüksek doğruluk ve düşük hata oranı ile meme tümor bölgesini belirlemektir. Bu çalışmada, TCİA (The Cancer İmaging Archive) veri bankasından alınan 8 kanserli görüntüde, K-ortalama kümeleme ve otsu eşikleme yöntemi kullanılmıştır. Kümeleme işlemi için, sırasıyla TPR (True Positive Rate) 0.89, FPR (False Positive Rate) 0.14, TNR (True Negative Rate) 0.86, FNR (False Negative Rate) 0.10, benzerlik 0.67, doğruluk 0.87, duyarlılık 0.89, hassasiyet 0.86, özgüllük 0.87,F puanı 0.87 bulunmuştur. Otsu için, TPR (True Positive Rate) 0.84, FPR (False Positive Rate) 0.12, TNR (True Negative Rate) 0.89,FNR (False Negative Rate) 0.14,benzerlik 0.73, doğruluk 0.84,duyarlılık 0.84, hassasiyet 0.86,özgüllük 0.87,F puanı 0.84 olarak hesaplanmıştır. Sonrasında 8 görüntüye ek olarak, Kaggle veri bankasından 646 adet görüntü alınarak, 504 eğitim,142 tanesi de test için ayrılmıştır. U-Net yapay sinir ağı mimarisi ile bölge tespiti yapılmıştır. Ağ eğitimi sonucu çıkan tümor bölgesi ile işaretli referans görüntüdeki tümor bölgesi karşılaştırılmıştır.100 Epoch değeri ile, test sonucu %4 kayıp oranı ile %96 doğruluğa ulaşılmıştır. Sonuç olarak, bu kullanılan yöntemlerin tümor tespiti için kullanılabileceği, yapay sinir ağı modelinin en yüksek doğruluğu bulguladığı tespit edilmiştir.

Özet (Çeviri)

The aim of this study is to determine the breast tumor site with high accuracy and low error rate. In this study, K-mean clustering and herbaceous thresholding methods were used in 8 cancer images taken from the TCIA (The Cancer Imaging Archive) data bank. For the clustering process, TPR (True Positive Rate) 0.89, FPR (False Positive Rate) 0.14, TNR (True Negative Rate) 0.86, FNR (False Negative Rate) 0.10, similarity 0.67, accuracy 0.87, sensitivity 0.89, sensitivity 0.86, specificity 0.87, F score 0.87 were found, respectively. TPR (True Positive Rate) 0.84, FPR (False Positive Rate) 0.12, TNR (True Negative Rate) 0.89, FNR (False Negative Rate) 0.14, similarity 0.73, accuracy 0.84, sensitivity 0.84, sensitivity 0.86, specificity 0.87, F score 0.84 were calculated for Otsu. After that, in addition to 8 images, 646 images were taken from the Kaggle data bank, 504 were October for training and 142 were reserved for testing. Region detection was performed with U-Net artificial neural network architecture. The tumor region obtained as a result of network training was compared with the tumor region in the marked reference image.With an Epoch value of 100, the test result was achieved with an accuracy of 96% with a loss rate of 4%. As a result, it has been determined that these methods can be used for tumor detection, and the artificial neural network model has found the highest accuracy.

Benzer Tezler

  1. Meme manyetik rezonans görüntülemede (MRG) lezyon tespiti, yalancı pozitif ve yalancı negatif bulguların azaltılmasına yönelik yazılım geliştirilmesi

    Developing software for lesion detection, false positive and false negative evidence' reduction in breast magnetic resonance imaging

    SEVDA GÜL

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKÇEN ÇETİNEL

  2. İnvaziv meme kanserinde tüm slayt floresan in situ hibridizasyon görüntülerinde HER2 gen amplifikasyonun otomatik tespiti

    Automated detection of HER2 gene amplification in whole slide fluorescent in situ hybridization images in invasive breast cancer

    ÇİSEM YAZICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    DOÇ. DR. CEM BÜLENT ÜSTÜNDAĞ

  3. Development of graphical code-based algorithms for the detection of abnormalities in mammogram ımages

    Mamogram görüntülerinde anormalliklerin tespiti için grafik kod tabanlı algoritmaların geliştirilmesi

    IMAN M. HAMADAMIN HAMADAMIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HASAN GÜLER

  4. Meme kanserinin tespiti ve sınıflandırılması için geliştirilmiş bilgisayar destekli teşhis sistemi

    An improved computer aided detection system for breast cancer detection and classification

    ABDULLAH FREIDOON FADHIL FADHIL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Fen Bilimleri Ana Bilim Dalı

    DOÇ. DR. HUMAR KAHRAMANLI ÖRNEK

  5. Automated scoring of CERBB2 receptors using histogram based analysis of immunohistochemistry breast cancer tissue images

    İmmünohistokimya meme kanseri görüntülerininhistogram tabanlı analiz kullanılarakCERBB2 reseptörlerinin otomatik olarak skorlanması

    KAAN AYKUT KABAKÇI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DOÇ. DR. BEHÇET UĞUR TÖREYİN