Geri Dön

Biopsy cost reduction for early diagnosis of breast cancer using hybrid deep learning techniques

Hibrit derin öğrenme teknikleri kullanılarak meme kanserinde erken teşhis için biyopsi maliyetinin düşürülmesi

PDF İndir

  1. Tez No: 776438
  2. Yazar: PINAR USKANER HEPSAĞ
  3. Danışmanlar: PROF. DR. SELMA AYŞE ÖZEL, PROF. DR. ADNAN YAZICI
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Meme kanseri teşhisi, Transformers, VGG16, AlexNet, ResNet50, BERT, Breast cancer diagnosis, Transformers, VGG16, AlexNet, ResNet50, BERT
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 175

Özet

Meme kanseri tüm dünyada en önemli hastalıklardan biri haline gelmiştir. Meme kanserinin erken teşhisi, ölüm oranını azaltmak için çok önemlidir. Meme biyopsisi, meme kanserini teşhis etmek için en sık kullanılan yöntemlerden biridir. Ancak bazen meme biyopsileri, hasta meme kanseri olmasa bile yapılır. Bu, hastalar için anksiyete, ağrı ve sağlık maliyetleri vb. gibi çeşitli sorunlara yol açar. Bu nedenle, bu tezdederin öğrenme ve makine öğrenimi yöntemlerini kullanarak meme kanserinin erken teşhisi için meme biyopsilerinin maliyetini azaltmak amacıylahibrit bir model önerilmiştir. Tek tür veri (resim veya metin) kullanılarak meme kanseri teşhisine birçok yöntem uygulanmış olsa da, literatürde meme kanseri teşhisi için üç tür verinin (resim, metin ve anket) kombinasyonu doğrudan kullanılmamıştır ve meme kanseri teşhisi probleminin hala iyileştirilmesi gerekmektedir. Önerilen model, her bir hasta için görüntü (mamogram), metin (radyoloji raporu) ve anket (hasta hikayesi) olmak üzere üç tür veriyi birleştirir ve meme kanserinin türünü belirlemek amacıyla kötü huylu veya iyi huylu bir çıktı üretir. Bu nedenle, bu tezde üç bağımsız parçanın birleşiminden oluşan bir hibrit sistem geliştirilmiştir: Birinci parçada, mamografi görüntülerini sınıflandırmak için önceden eğitilmiş modeller (VGG16, AlexNet ve ResNet50) gibi derin öğrenme modelleri ve bir transformatör modeli kullanılmıştır. İkinci parçada, anketleri sınıflandırmak için farklı kombinasyonlara sahip makine öğrenmesi modelleri kullanılır. Üçüncü parçada, görüntülere benzer şekilde, radyoloji raporlarını sınıflandırmak için önceden eğitilmiş modeller (BERTMultilingual, BERTClinical ve BERTTurkish gibi BERT versiyonları) ve bir transformatör modeli kullanılır. Topluluk modeli, her parçanın sonuçlarını girdi olarak alır ve meme kanseri teşhisi için bir çıktı üretir. Ayrıca, meme kanseri riskini hesaplamak için risk tabanlı hibritnöro+bulanık kural tabanlı bir sistem öneriyoruz. Üç tür verinin kullanılmasının meme kanseri teşhisine meme biyopsisinin maliyetlerini azaltabileceğini göstermekteyiz. Hastane veri setini kullanarak hibrit model, hassasiyet puanını %100'e kadar arttırmaktadır.

Özet (Çeviri)

Breast cancer has become one of the most important diseases all over the world. Early diagnosis of breast cancer is very important to reduce the mortality rate. Breast biopsy is one of the most commonly used methods to diagnose breast cancer. However, breast biopsies are sometimes performed even when the patient does not have breast cancer. This leads to various problems for patients such as anxiety, pain, and healthcare costs, etc. Therefore, we proposed a hybrid model to reduce the cost of breast biopsies for early detection of breast cancer using deep learning and machine learning methods. Although many methods have been applied to a range of breast cancer diagnoses using one data type (image or text), the combination of three data types (image, text, and survey) has not been used directly for breast cancer diagnosis in the literature, and the problem of breast cancer diagnosis still needs to be improved. The proposed model combines three types of data, namely image (mammography), text (radiology report), and survey (patient history, physical examination, etc.) of each patient, and generates amalignant or benign output to identify the type of breast cancer. Therefore, a hybrid system consisting of three independent parts is described in this thesis: In the first part, deep learning models such as pre-trained models (VGG16, AlexNet, and ResNet50) and a transformer model are used to classify mammography images. In the second part, machine learning models with different combinations are used to classify surveys. In the third part, similar to images, pre-trained models (BERT versions such as BERTMultilingual, BERTClinical and BERTTurkish) and transformers are used to classify radiology reports. The ensemble model takes the results of each part as input and produces an output to diagnose breast cancer. We also propose a risk-based hybrid neuro fuzzy rule-based system to calculate the risk of breast cancer. We show that using three types of data can reduce the cost of breast biopsies in breast cancer diagnosis. The hybrid model with the hospital dataset improves the precision value by up to 100%.

Benzer Tezler

  1. Tez No

    683379

    Meme kanseri tanısında klinik meme muayenesinin etkinliği

    Effectiveness of clinical breast examination in the diagnosis of breast cancer

    MÜBERRA TURAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Aile HekimliğiBaşkent Üniversitesi

    Aile Hekimliği Ana Bilim Dalı

    PROF. DR. MEHMET ERGUN ÖKSÜZ

  2. Tez No

    488078

    Makine öğrenmesi sınıflandırma yöntemleri ile meme kanserinin erken teşhisi

    Early diagnosis of breast cancer with machine learning classification methods

    MELİHA NUR DURAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    İstatistikYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. İBRAHİM DEMİR

  3. Tez No

    652910

    Tümör tanı ve izlemi için dolaşımdaki serbest DNA'nın tayinine yönelik spesifik bir biyosensör sistemi geliştirilmesi

    Development of A specific biosensor system for the determination of circulating free DNA for tumor diagnosis and monitoring

    ZİHNİ ONUR UYGUN

    Doktora

    Türkçe

    Türkçe

    2020

    BiyokimyaEge Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    PROF. DR. FERHAN GİRGİN SAĞIN

  4. Tez No

    819509

    Tavşanlarda deneysel kornea defektlerinin sağaltımı üzerine konsantre büyüme faktörü ve trombositten zengin fibrinin etkinliğinin karşılaştırılması

    Comparison of the efficiency of concentrated growth factor and thrombocyte-rich fibrin on treatment of experimental cornea defects in rabbits

    ÜMİT KORAY CAN

    Doktora

    Türkçe

    Türkçe

    2023

    Veteriner HekimliğiFırat Üniversitesi

    Cerrahi Hastalıklar Ana Bilim Dalı

    PROF. DR. AYDIN SAĞLIYAN

  5. Tez No

    678994

    Aile hekimliği polikliniğine başvuran 50-70 yaş arası hastalardan gaitada gizli kan testi pozitifliği olanlarda malignite saptanma oranları

    Malignity detection ratios in patients between 50-70 years age who applied to family medicine clinic with fecal occult blood test positivity

    TARIK AHMET ŞAHİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Aile HekimliğiTekirdağ Namık Kemal Üniversitesi

    Aile Hekimliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EDA ÇELİK GÜZEL

Geri Dön