Brest cancer detection and image evaluation using amugented deep convolutional neural network
Genişletilmiş derin evrişimsel sinir ağı kullanarak göğüs kanseri tespiti ve görüntü değerlendirmesi
- Tez No: 821384
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN, DOÇ. DR. ADİL DENİZ DURU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
- Sayfa Sayısı: 73
Özet
Meme kanseri, dünyada insan ölümüne sebep olan başlıca hastalıklardan biridir.Erken teşhis, doğru tedavinin geliştirilmesini ve sağ kalma olasılığını arttırır, ancak bu süreç belirsizdir ve düzenli olarak patologlar arasında bir çelişki yaratır. bilgisayar destekli sonuç sistemlerinin, görüntü kesinliğini arttırmada belirli potansiyele sahip olduğu belirtilir.Bu çalışmada, göğüste kötü huylu büyüme histolojisi resim karakterizasyonu için artırılmış derin evrişimsel sinir sistemlerine bağlı olan hesaplama metodolojisini geliştiriyoruz. Metodolojimiz birkaç derin sinir sistemi yapısı kullanır ve meyilli sinir ağı sınıflandırılmasına yardımcı olur.3 sınıf gruplandırma, İyi huylu, kötü huylu ve normal / istilacı olarak tanımlanır.Yüksek güvenilirlik çalışma noktasında% 88,3 kesinlik ve% 86,2 kabul edilebilirlik rapor ediyoruz.Herhangi biri söz konusu olduğunda, bu metodoloji bilgisayarlı görüntü gruplamadaki diğer temel teknikleri uygular.Farklı ağ mimarilerini ve eğitim yapılandırmalarını test ettikten sonra, evrişimselağların meme kanseri lezyonlarını umut verici sonuçlarla bölümlere ayırabildiğini gösterdik. Ayrıca, bu performans sadece daha zengin veri setleri mevcut olduğunda artacaktır.Bu yönde araştırmaları destekliyoruz. Farklı ağ mimarilerini ve eğitim yapılandırmalarını test ettikten sonra, derin evrimsel ağların meme kanseri lezyonlarını ümit verici sonuçlarla bölümlere ayırabildiğini gösterdik. Ayrıca, bu performans sadece daha zengin veri setleri mevcut olduğunda artacaktır.Bu yönde araştırmaları teşvik ediyoruz.Bu çalışmada kullandığımız teknikler çığır açıcıdır ve sonuçlarımız stratejiyi temelden değiştirmeden daha fazla hesaplamaya dayalı değerler uygulayarak kullanılan yöntemlerle geliştirilebilir.İşbu yazıda, kanserli tümörlerin tespiti ve sınıflandırılması için çok az hazırlık yapılarak yeniden renklendirilmiş olarak göğüste kötü huylu histolojikbüyüme görüntülerinin düzenlenmesi için basit ve güçlü bir strateji öneriyoruz.
Özet (Çeviri)
Breast malignancy is one of the primary driver of disease demise around the world. Early diagnostics essentially builds the odds of right treatment and survival, however this procedure is dull and regularly prompts a contradiction between pathologists. PC supported conclusion frameworks indicated potential for enhancing the demonstrative precision. In this work, we build up the computational methodology dependent on augmented deep convolution neural systems for bosom malignant growth histology picture characterization. Our methodology uses a few deep neural system structures and inclination helped trees classifier. For 3-class grouping undertaking to recognize benign, malignant and normal/invasive. We report 88.3% exactness, 86.2%, and affectability at the high-affectability working point. As far as anyone is concerned, this methodology performs other basic techniques in computerized image grouping. After testing different network architectures and training configurations, we showed that deep convolutional networks are able to segment breast cancer lesions with promising results. Furthermore, this performance will only improve as richer data sets become available. We highly encourage research in this direction. The techniques we utilized in this work are ground-breaking and our outcomes can be enhanced just by the methods for applying more computational assets without fundamentally changing the strategy. In this report, we suggest a straightforward and powerful strategy for the order of recolored histological bosom malignant growth images in the circumstance of little preparing for detection and classification of cancerous tumors
Benzer Tezler
- A new loss function to be used in deep networks for image segmentation of colorectal polyps
Kolorektal poliplerin görüntü bölütlemesi için derin ağlarda kullanılacak yeni bir kayıp fonksiyonu
MAHMUT OZAN GÖKKAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBiyomedikal Teknolojiler Ana Bilim Dalı
PROF. DR. MEHMET KUNTALP
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiFen Bilimleri Ana Bilim Dalı
DOÇ. DR. HUMAR KAHRAMANLI ÖRNEK
- Development web based system to recommend artificial intelligence methods and evaluation models for cancer diagnosis and prognosis
Önerilen web tabanlı sistemin geliştirilmesi yapay zeka yöntemleri ve değerlendirmes kanser tanı ve progno için modeller
ADEJUMO DOLAPO
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ILHAM HUSEYINOV
- Segmentation of breast microwave imaging using fuzzy c-mean clustering
Bulanık c-ortalama kümeleme kullanarak meme mikrodalga görüntülemesinin segmentasyonu
ASAL MAMIZADEH
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Obtain anterior/posterior position of the tumor through machine learning
Makine öğrenme yoluyla tümörün anterior/posterior pozisyonunu elde edin
GOLSHAN GHOLAMPOUR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN