Geri Dön

Derin öğrenme ile kolorektal kanserde mikrosatellite instabilite'nin tahmini

Prediction of microsatellite instability in colorectal cancer with deep learning

PDF İndir

  1. Tez No: 792546
  2. Yazar: HÜSEYİN ERİKCİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ZİYNET PAMUK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Zonguldak Bülent Ecevit Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 81

Özet

Bu çalışmada, kolorektal kanserde MSI'nın tahmini için doğrudan hematoksilen ve eozin (H&E) ile boyanmış doku slaytları kullanılarak derin öğrenme tabanlı model önerilmiştir. Önerilen bu model ile derin öğrenme yapısı olan evrişimli sinir ağları (ESA) ve transfer öğrenme yöntemleri kullanılarak sınıflandırma modeli oluşturulmuş ve modeller karşılaştırmalı analiz ile değerlendirilmiştir. Modelde kullanılan görüntü verileri Kaggle internet sitesi açık erişim verilerinden elde edilmiştir. Çalışmada kolorektal kanser H&E lekeli histolojik görüntü veri setinin %80 eğitim ve %20 test için 150.000 benzersiz görüntü yaması kullanılarak MSI ve MSS (mikrosatellite stabil) sınıflandırması gerçekleştirilmiştir. Elde edilen performans sonuçlarına bakıldığında, dokuz farklı önceden eğitilmiş modeller (VGG19, MobileNet, ResNet50…) arasından en yüksek sınıflandırma performansını doğruluk %90.6, kesinlik %88.6, duyarlılık %93.1 ve AUC %90.6 değerleri ile VGG19 modelinin sağladığı görülmüştür.

Özet (Çeviri)

In this study, a deep learning-based model was proposed for the prediction of MSI in colorectal cancer using tissue slides directly stained with hematoxylin and eosin (H&E). With this proposed model, a classification model was created using deep learning structure, convolutional neural networks (CNN), and transfer learning methods, and the models were evaluated with comparative analysis. The image data used in the model were obtained from the Kaggle website open access data. In the study, MSI and MSS (microsatellite stable) classification was performed using 150,000 unique image patches of the colorectal cancer H&E stained histological image dataset for 80% training and 20% testing. Considering the performance results obtained, it was seen that the VGG19 model provided the highest classification performance among nine different pre-trained models (VGG19, MobileNet, ResNet50…), with an accuracy of 90.6%, precision of 88.6%, the sensitivity of 93.1% and AUC 90.6%.

Benzer Tezler

  1. Tez No

    742677

    Gelişmiş derin öğrenme yöntemleri ile polip tespiti ve takibi

    Polyp detection and tracking with advanced deep learning methods

    EKREM EKİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. ENGİN AVCI

  2. Tez No

    843497

    Obtain anterior/posterior position of the tumor through machine learning

    Makine öğrenme yoluyla tümörün anterior/posterior pozisyonunu elde edin

    GOLSHAN GHOLAMPOUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik-Haberleşme Eğitimi Ana Bilim Dalı

    PROF. DR. İBRAHİM AKDUMAN

  3. Tez No

    681851

    Derin öğrenme ve topluluk öğrenme yöntemlerine dayalı bilgisayar destekli tanı sisteminin geliştirilmesi: Omik teknolojileri üzerine uygulaması

    Development of computer aided diagnosis system based on deep learning and ensemble learning methods: Application on omics technologies

    AHMET KADİR ARSLAN

    Doktora

    Türkçe

    Türkçe

    2021

    Biyoistatistikİnönü Üniversitesi

    Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı

    PROF. DR. CEMİL ÇOLAK

  4. Tez No

    941359

    Lokal ileri rektum kanseri hastalarında bilgisayarlı tomografi tabanlı öğrenme metodu ile metastaz riskinin yapay zeka destekli belirlenmesi

    Başlık çevirisi yok

    TAYFUN ÇAĞRI HIDIMOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Radyasyon OnkolojisiEge Üniversitesi

    Radyasyon Onkolojisi Ana Bilim Dalı

    DOÇ. DR. FATMA SERT

  5. Tez No

    957719

    Segmentation of colon nuclei images using deep learning

    Kalın bağırsak hücre görüntülerinin derin öğrenme kullanılarak bölütlenmesi

    ATAKAN ÖZKAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Biyomühendislikİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

Geri Dön