Makine öğrenmesi ve derin öğrenme teknikleri ile meme kanserinin karşılaştırmalı sınıflandırılması
Comparative classification of breast cancer with machine learning and deep learning techniques
- Tez No: 824408
- Danışmanlar: DR. ÖĞR. ÜYESİ KAPLAN KAPLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 98
Özet
Erken evrede meme kanserinin teşhis edilmesi hem tedavi sürecinin hızlandırılması hem de kanserin yayılmasının önüne geçilmesi açısından büyük önem taşımaktadır. Patoloji uzmanlarının deneyimi hastalığın doğru teşhisi açısından önemli rol oynamaktadır. Meme kanserinin doğru teşhisi üzerine birçok araştırma yapılmıştır. Bu tez çalışmasında, çeşitli makine öğrenmesi ve derin öğrenme teknikleri kullanılarak meme kanserinin sınıflandırılması gerçekleştirilmiştir. Sınıflandırma işlemi için öncelikle 1 uzaklık değeri ve 0°, 45° ve 90° açı değerleri kullanılarak Gri Seviye Eş Oluşum Matris (Gray Level Co-occurrence Matrix, GLCM) öznitelikleri çıkarılmıştır. Bu özniteliklere ek olarak istatistiksel öznitelikler de elde edilmiştir. Bu yöntemlerle elde edilen öznitelikler K-En Yakın Komşu (K Nearest Neighbor, K-NN), Karar Ağacı (Decision Tree, DT), Rastgele Orman (Random Forest, RF) ve LightGBM modelleri kullanılarak sınıflandırılmıştır. Makine öğrenmesi yöntemlerine ek olarak etkinliği kanıtlanmış önceden eğitilmiş VGG16, MobileNet ve DenseNet201 modellerinin yanı sıra özgün olarak oluşturulan bir CNN (Evrişimsel Sinir Ağı) modeli de sınıflandırma aşamasında kullanılmıştır. Makine öğrenmesi yöntemleri arasında en yüksek başarı oranı %74,91 doğruluk oranı ile istatistiksel öznitelikler ve RF modeli kullanılarak elde edilmiştir. Derin öğrenme yöntemlerinde ise en yüksek başarı oranı %95,54 doğruluk oranı ile MobileNet modeli ile elde edilmiştir.
Özet (Çeviri)
Diagnosing breast cancer at an early stage is of great importance in terms of both accelerating the treatment process and preventing the spread of cancer. The experience of pathologists plays an important role in the correct diagnosis of the disease. Many studies have been conducted on the correct diagnosis of breast cancer. In this thesis, classification of breast cancer was carried out using various machine learning and deep learning techniques. For the classification process, first of all, GLCM (Gray Level Co-occurrence Matrix) features were extracted by using the distance value of 1 and the angle values of 0°, 45° and 90°. In addition to these features, statistical features were obtained. The features obtained by these methods were classified using K-Nearest Neighbor (K-NN), Decision Tree (DT), Random Forest (RF) and LightGBM models. In addition to machine learning methods, pre-trained VGG16, MobileNet and DenseNet201 models with proven effectiveness, as well as an originally created Convolutional Neural Network (CNN) model were also used in the classification phase. The highest success rate among machine learning methods was obtained by using statistical features and RF model with an accuracy rate of 74.91%. In deep learning methods, the highest success rate was obtained with the MobileNet model with an accuracy rate of 95.54%.
Benzer Tezler
- Breast cancer diagnosis in histopathological images using autoencoder-enhanced convolutional neural network
Histopatolojik görüntülerde meme kanseri teşhisi için otokodlayıcı ile geliştirilmiş evrişimsel sinir ağı kullanımı
İSMAİL İÇME
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- 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
- Türbomakinalarda akış analizi ile ilgili bir araştırma
Başlık çevirisi yok
MEHMET ALİ GÜNAY
Yüksek Lisans
Türkçe
1987
Makine MühendisliğiAkdeniz ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HÜSEYİN ŞALVARLI
- Isparta'da jeneratör gazı üretimi ve dağılımı
Başlık çevirisi yok
HALİS YAVUZ
Yüksek Lisans
Türkçe
1987
EnerjiAkdeniz ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. Z. KAZIM TELLİ
- Güneş enerjisi ile ısıtma ve soğutma sistemleri (Antalya ilinde uygulama)
Başlık çevirisi yok
NURCAN ERGÖNEN
Yüksek Lisans
Türkçe
1989
Makine MühendisliğiAkdeniz ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN ŞALVARLI