Breast tumor segmentation and classification on histopathological images using machine learning
Makine öğrenmeyi kullanarak histopatolojik görüntüler üzerinden meme tümörünün bölümlendirilmesi ve sınıflandırılması
- Tez No: 831462
- Danışmanlar: DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 88
Özet
Meme tümörleri tedaviden önce histopatolojik görüntülerini kullanılarak sınıflandırılabilir; çünkü bu tümörler bir grup anormal dokudan oluşturulmuştur. Beyin histopatolojik resimlerinden tümör segmentasyonu ve sınıflandırması karmaşık ama çok önemli olduğunu biliyoruz. Ancak, bu segmentasyon ve kategorizasyon postoperatif değerlendirmelere, preoperatif planlamaya ve teşhise uygulanabilir. Bu nedenle, normal ve habis meme dokusu arasındaki ayrım, teşhis prosedürlerinde olduğu kadar ameliyat öncesi ve ameliyat sonrası değerlendirmelerde de kullanılabilir. Uzmanlar, makine öğrenimi modellerinin ve diğer teknolojilerin büyümesi sayesinde hastalarda kesi yapmadan maligniteleri belirleyebilecekler. Bu çalışmada iki adımdan oluşan bir model önerdik: ilk olarak, CNN'den özellikler çıkarıldı ve ardından tümörleri (iyi veya kötü) tanımak ve kategorize etmek için makine öğrenimi (SVM) kullanıldı. Kullanılan çok sayıda eğitim görüntüleri nedeniyle, CNN tabanlı SVM sonunda gereğinden fazla takılır. Artık transfer öğrenmeyi kullanan ve CNN'ye dayalı bir SVM'ye sahibiz. Histopatolojik resimlerindeki tümörler, CNN tabanlı Relu mimarisi ve CNN aracılığıyla birleştirilmiş özellikleri içeren SVM kullanılarak kategorize edilir. Kesinlik, hatırlama, F-ölçüsü ve doğruluğun tümü, tekniklerin etkinliğini ölçmek için kullanılmıştır. Bulgulara göre SVM tabanlı CNN, BreakHis üzerinde %97 başarı oranına sahip model elde ettik.
Özet (Çeviri)
Breast cancer detection using software has gained significant attention and development due to its potential to improve early detection, accuracy, and efficiency in identifying breast cancer. Early detection and classification is crucial for successful breast cancer treatment. Software-based detection algorithms can analyze medical images, such as mammograms, and identify potential abnormalities at an early stage, increasing the chances of successful treatment and reducing mortality rates. Therefore, the distinction between normal and malignant breast tissue can be used in diagnostic procedures as well as preoperative and postoperative assessments. Radiologists will be able to identify malignancies without making incisions in patients thanks to the growth of machine learning models and other technologies. Therefore, this study proposed a model consisting of two steps: first, characteristics from CNN are extracted, and then machine learning (SVM) is used to recognize and categorize breast tumors (benign or malignant). Due to the extensive amount of training pictures used, CNN-based SVM eventually becomes overfitted. We now have an SVM that employs transfer learning and is based on CNN. Tumors in brain histopathological pictures are categorized using CNN-based Relu architecture and SVM with fused retrieved features via CNN. Precision, recall, F-measure, and accuracy have all been used to gauge the techniques' effectiveness. According to the findings, SVM-based CNN has a 97% success rate on BreakHis.
Benzer Tezler
- Nuclei segmentation and classification in histopathology images using deep neural networks
Derin sinir ağları kullanarak histopatoloji görüntülerinde çekirdek segmentasyonu ve sınıflandırması
MUHARREMCAN GÜLYE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERİŞTAH DALKILIÇ
- Computer aided diagnosis of breast tumor segmentation and classification on CT images using machine learning
Başlık çevirisi yok
BARISH MOHAMMED IZADDIN IZADDIN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Superpixel assisted deep neural network for breast tumor segmentation in ultrasound images
Süperpiksel destekli derin sinir ağı ile meme ultrason görüntülerinde tümör segmentasyonu
NEFİSE UYSAL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
ÖĞR. GÖR. MURAT GEZER
- Mamografi görüntülerinin değerlendirilmesinde örüntü tanıma temelli bir karar destek sistemi
A decision support system based on pattern recognition for evaluating of mammographic images
ESMA KARABULUT
Yüksek Lisans
Türkçe
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı
DOÇ. DR. İBRAHİM TÜRKOĞLU
- Kontrast tutucu meme manyetik rezonans görüntülerinde kanserli olan ve olmayan dokuların göüntü işleme yöntemleri ile belirlenmesi
Segmentation of cancerous and non-cancerous lesions from dynamic contrast-enhanced magnetic resonans imaging of the breast by using image processing techniques
PETEK TATLI
Yüksek Lisans
Türkçe
2006
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BÜLENT BAYRAM