Geri Dön

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

Cervical cancer diagnosis by deep learning using new pap smear dataset

  1. Tez No: 775096
  2. Yazar: BAŞAK ÖZTÜRK
  3. Danışmanlar: PROF. DR. HALİFE KODAZ
  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: Konya Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 64

Özet

Rahim ağzı kanseri tüm dünyada kadınlarda en çok görülen kanser türlerinden biridir. Erken tanı ile çok daha iyi kontrol altına alınabilen kanser türüdür. Düzenli olarak yapılacak tarama testleri ile kontrol edilmelidir. Servikal kanser taraması için en eski ve en yaygın tarama yöntemi pap smear testidir. Pap smear testinin analizi ve yorumlanması çok zaman alan, meşakkatli ve zor bir iştir. Bu işlemi otomatik hale getirebilmek için birçok otomatik sistemler geliştirilmiştir. Bu çalışmanın amacı servikal hücrelerin sınıflandırılması çalışmalarında kullanılmak üzere yeni, güncel ve klinik standartlara uygun verilerden toplanmış doğal bir görüntü kümesi sağlamaktadır. Bu amaçla Bethesda sistemine uygun 4939 veriden oluşan altı sınıflı bir veri seti oluşturulmuştur. Oluşturulan bu veri seti üzerinde ResNet50, VGG16, DenseNet121 ve bir CNN modeli eğitilmiş ve sonuçları karşılaştırılmıştır. VGG16 modeli %88 doğruluk oranı ile en iyi sonucu elde etmiştir.

Özet (Çeviri)

Cervical cancer is one of the most common types of cancer in women all over the world. It is a type of cancer that can be controlled much better with early diagnosis. It should be checked with regular screening tests. The oldest and most common screening method for cervical cancer screening is the pap smear test. The analysis and interpretation of the Pap smear test is a time consuming, arduous and difficult task. Many automated systems have been developed to automate this process. The aim of this study is to provide a natural set of images collected from new, current and clinical standard data for use in studies of classification of cervical cells. For this purpose, a six-class data set consisting of 4939 data in accordance with the Bethesda system was created. ResNet50, VGG16, DenseNet121 and a CNN model were trained on this data set and the results were compared. The VGG16 model achieved the best result with an accuracy rate of 88%.

Benzer Tezler

  1. Applying continual learning strategies for classification of cervical cells

    Serviks hücrelerinin sınıflandırılmasında sürekli öğrenme stratejilerinin uygulanması

    GÖKHAN AKGÜN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe Üniversitesi

    Veri Bilimi Ana Bilim Dalı

    DOÇ. DR. DIONYSIS GOULARAS

  2. Kolposkopik biyopsi patoloji sonuçlarının endikasyonlarına göre retrospektif değerlendirilmesi

    Retrospective evaluation of colposcopic biopsy pathology results according to their indications

    EDİP ARDA KABAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Kadın Hastalıkları ve DoğumSağlık Bilimleri Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    PROF. DR. NİYAZİ TUĞ

  3. 21-65 yaş arası kadınların serviks kanserine yönelik bilgi ve davranışlarının sağlık inanç modeline göre değerlendirilmesi

    Assessment of the knowledge and behaviors of women aged between 21 and 65 about cervical cancer based on the health belief model

    LEMAN ÇEKİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Halk SağlığıBalıkesir Üniversitesi

    Hemşirelik Ana Bilim Dalı

    DOÇ. DR. AYSEL ÖZDEMİR

    ÖĞR. GÖR. CELALETTİN ÇEVİK

  4. HPV prevalansı ve servikal intraepitelyal lezyonlarla ilişkisi

    Prevalance of HPV positivity and relationship with cervical intraepithelial neoplasia

    EMİNE ÖZCAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2006

    Kadın Hastalıkları ve DoğumAnkara Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    PROF.DR. FIRAT ORTAÇ

  5. Çekişmeli üretken ağlarla medikal görüntülerin üretimi ve analizi

    Use of generative adversarial networks in medical image synthesis and segmentation

    SARA ALTUN GÜVEN

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUHAMMED FATİH TALU