Geri Dön

Breast tumor segmentation and classification on histopathological images using machine learning

Makine öğrenmeyi kullanarak histopatolojik görüntüler üzerinden meme tümörünün bölümlendirilmesi ve sınıflandırılması

  1. Tez No: 831462
  2. Yazar: ZEYAD ABDALKAREEM KHALAF KHALAF
  3. Danışmanlar: DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. 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

  1. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FERİŞTAH DALKILIÇ

  2. 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

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN

  3. 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

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

    ÖĞR. GÖR. MURAT GEZER

  4. 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

    Türkçe

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Elektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı

    DOÇ. DR. İBRAHİM TÜRKOĞLU

  5. 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

    Türkçe

    2006

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BÜLENT BAYRAM