Yeni pap smear veri seti kullanılarak derin öğrenme ile rahim ağzı kanseri teşhisi
Cervical cancer diagnosis by deep learning using new pap smear dataset
- Tez No: 775096
- Danışmanlar: PROF. DR. HALİFE KODAZ
- 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: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Applying continual learning strategies for classification of cervical cells
Serviks hücrelerinin sınıflandırılmasında sürekli öğrenme stratejilerinin uygulanması
GÖKHAN AKGÜN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe ÜniversitesiVeri Bilimi Ana Bilim Dalı
DOÇ. DR. DIONYSIS GOULARAS
- 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
2024
Kadın Hastalıkları ve DoğumSağlık Bilimleri ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. NİYAZİ TUĞ
- 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
2019
Halk SağlığıBalıkesir ÜniversitesiHemşirelik Ana Bilim Dalı
DOÇ. DR. AYSEL ÖZDEMİR
ÖĞR. GÖR. CELALETTİN ÇEVİK
- HPV prevalansı ve servikal intraepitelyal lezyonlarla ilişkisi
Prevalance of HPV positivity and relationship with cervical intraepithelial neoplasia
EMİNE ÖZCAN
Tıpta Uzmanlık
Türkçe
2006
Kadın Hastalıkları ve DoğumAnkara ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF.DR. FIRAT ORTAÇ
- Çekişmeli üretken ağlarla medikal görüntülerin üretimi ve analizi
Use of generative adversarial networks in medical image synthesis and segmentation
SARA ALTUN GÜVEN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMED FATİH TALU