Antenna design for breast cancer detection and machine learning approach for birth weight prediction
Meme kanseri tespiti için anten tasarımı ve doğum ağırlığı tahmini için makine öğrenmesi yaklaşımı
- Tez No: 846535
- Danışmanlar: DR. ÖĞR. ÜYESİ ONUR KURT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: 121
Özet
Biyomedikal alanda gün geçtikte teknolojinin ilerlemesi ile yeni teşhis ve tedavi yöntemleri, ve yeni cihazlar geliştirilmektedir. Ancak bu durum çoğunlukla avantajlı gibi görünse de bazı alanlarda gelişen teknolojinin teşhis ve tedavi açısından hem hastalara hem de doktorlara bazı zorluklar doğurmaktadır. Örneğin teşhis amacıyla kullanılan elektromanyetik radyasyon hastalar için zararlı olabilmektedir. Ayrıca kullanılan tekniklerin sonuçlarının kesinlikleri ve doğrulukları da bir hata payı içermekte olup doktorlar için karar verme aşamasında bu hata paylarını gözetmek önemli bir hale gelmektedir. Kısaca bahsedilen sorunlardan yola çıkarak bu tezde iki farklı alan için alternatif yöntemler önerilmektedir. Tezde bahsedilecek olan ilk çalışmada meme kanseri teşhisi için kullanılan standart metotlara alternatif bir metot önerilecek olup ikinci çalışmada ise bebek doğum ağırlığının önceden yüksek bir doğrulukla belirlenmesini sağlayabilen bir makine öğrenmesi yaklaşımı sunulacaktır. Meme kanseri önemli bir küresel sağlık sorunu olmaya devam etmekte ve tedavi sırasında daha iyi hasta sonuçları elde etmek ve hastalığın erken teşhisini sağlamak için teşhis ve kontrol yöntemlerinde sürekli iyileştirmeler gerektirmektedir. Meme kanseri dünya çapında kadınlar arasında en yaygın ve tehlikeli hastalıklardan biri olduğundan, hızlı bir şekilde teşhis edilmesi kritik önem taşımaktadır. Meme kanserinin kadınlarda kansere bağlı ölümlerin ikinci sıradaki nedeni olduğu düşünüldüğünde, etkili ve invazif olmayan tanı yöntemlerine duyulan ihtiyaç daha da artmaktadır. Geleneksel yaklaşımların çalışma prensipleri veya uygulama metodolojileri açısından olumsuz sonuçları bu talebi doğurmaktadır. Geleneksel tanı tekniklerinin doğasında var olan sınırlamalara yanıt olarak, meme kanserinin etkili teşhisi için mikrodalga görüntüleme yöntemleri geliştirilmiştir. Alternatif bir tıbbi yöntemi araştıran bu tezin ilk bölümünde, meme kanseri tespiti için mikro şerit yama antenlerin kullanımının fizibilitesi ve etkinliği özellikle incelenmiştir. Bu antenler, erken evre kanserin göstergesi olan küçük elektromanyetik salınımları tespit edebildikleri için tıp endüstrisinde önemli bir gelişme olarak kabul edilebilir. Bu çalışmada, meme kanseri tespiti için ISM bandında 2.45 GHz'de çalışan FR-4 malzemesi üzerine dikdörtgen mikro şerit yama antenin tasarımı ve simülasyonu sunulmaktadır. Bilgisayar Simülasyon Teknolojisi (CST) yazılımı kullanılarak, hem önerilen anten hem de 5 mm yarıçaplı tümör içeren ve içermeyen beş katmanlı bir meme fantomu kapsamlı bir şekilde tasarlanmıştır. Yarım küre olarak modellenen bir meme fantomu ve farklı dielektrik özelliklere sahip bir küre olarak modellenen gömülü bir tümör başarıyla simüle edilmiştir. Antenin performansı fantomdan farklı mesafelerde değerlendirilerek tümör varlığında elektrik alan, geri dönüş kaybı, voltaj duran dalga oranı (VSWR), verimlilik, spesifik soğurma oranı (SAR) gibi parametrelerdeki değişiklikler ortaya çıkarılmıştır. Farklı anten konumlarındaki simülasyon sonuçları, tümörlü ve tümörsüz değerlerde fark edilebilir farklılıklar göstermekte olup; bu da tümörün antene geri yansıyan gücü önemli ölçüde etkilediğini göstermiştir. Ancak, antenin 2'den düşük VSWR değeri, kabul edilebilir VSWR sınırları içerisindedir. Ayrıca, önerilen anten tümör varlığında elektrik alan gücünün arttığını göstermektedir. Buna ek olarak, boş uzayda ve 3 boyutlu bir meme fantomu ile birlikte yapılan anten simülasyon sonuçları, meme fantomundan 20 mm uzakta konumlandırılan antenin, 40 mm'de konumlandırılana kıyasla tümör tespitinde daha verimli olduğunu göstermiştir. Tümör algılama yeteneği ve kabul edilebilir SAR değerleri göz önüne alındığında, önerilen anten biyomedikal uygulamalarda umut verici bir araç olarak ortaya çıkmaktadır. Gelecekteki çalışmalar, sistem performansını iyileştirmek ve tümörü algılama hassasiyetini artırmak için alternatif anten geometrilerini ve tekniklerini araştıracaktır. Doğum ağırlığı, hem gebelik sürecinin hem de bebek gelişiminin kritik bir göstergesidir ve yenidoğanlarda kısa ve uzun vadeli sağlık koşulları üzerinde önemli bir etkiye sahiptir. Başka bir deyişle, fetal ağırlık hem gelişmiş hem de gelişmekte olan ülkelerde yeni doğanlarda kısa ve uzun vadeli sağlık sorunlarının önemli bir göstergesi olarak ortaya çıkmaktadır. Düşük doğum ağırlığı (DDA) ve yüksek doğum ağırlığına (YDA) katkıda bulunan faktörlerin anlaşılması, toplum sağlığı için en uygun müdahalelerin uygulanması konusunda bilgi sağlayabilir. İkinci çalışmada, çeşitli makine öğrenimi algoritmalarının uygulanması yoluyla doğum ağırlığı sınıflandırmasının tahminine ilişkin araştırma sunulmuştur. Bu araştırma için, her biri gerçek doğum ağırlığı bilgilerini ve ultrason ölçümlerini kapsayan 19 özellik ile karakterize edilen 913 tıbbi gözlem birimi kullanılmıştır. Çalışmada veri seti, sınıflandırıcı modelleri eğitmek için direkt kullanılmadan önce veri seti üzerinde bir takım veri önişleme adımları uygulanmıştır. Sınıflar arasında dengesiz veri sorununu ele almak için sentetik azınlık aşırı örnekleme tekniği (SMOTE) uygulanmıştır. Ayrıca, farklı birimlere ve büyüklük derecelerine sahip farklı fizyolojik değişkenler olduğundan, veri kümesindeki belirli bir aralıktaki sayısal öznitelikleri standartlaştırmak için özellik ölçeklendirme uygulanmıştır. Bu çalışmada dokuz farklı makine öğrenmesi sınıflandırıcı modeli kullanılmıştır. Bunlar karar ağacı, diskriminant analizi, saf bayes, destek vektör makinesi, k-en yakın komşu, çekirdek yaklaşımı, topluluk sınıflandırıcı, yapay sinir ağı ve lojistik regresyondur. Her bir modelin hiper parametreleri varsayılan değerlerde tutulmuş olup herhangi bir hiper parametre ayarlama işlemi yapılmamıştır. Dokuz farklı denetimli makine öğrenimi algoritmasının performansını değerlendirmek için, çok sayıda değerlendirme ölçütü kullanarak özellik seçimi olan ve olmayan doğum ağırlığı sınıflandırma modellerini karşılaştırdık. Bu farklı ölçütler doğruluk, duyarlılık, özgüllük, pozitif tahmin değeri, negatif tahmin değeri, F1 puanı ve alıcı işletim eğrisi altındaki alandır. Veri setine uygulanan Pearson korelasyon katsayısı tekniğine göre ise, karın çevresi, baş çevresi, biparietal çap, femur uzunluğu ve 0. ve 6. saatlerdeki hemoglobin seviyeleri doğum ağırlığı ile yüksek oranda ilişkilidir. Analiz sonuçları, alt uzay kNN tabanlı topluluk sınıflandırıcısının diğer makine öğrenimi modellerinden daha iyi performans gösterdiğini, özellik seçimi olmadan %99,87 ve özellik seçimi ile %99,75 en iyi makro ortalama doğruluğu elde ettiğini vurgulamaktadır. Ayrıca, iki katmanlı sinir ağının, özellik seçiminden bağımsız olarak %99,62'lik en iyi makro ortalama doğrulukla kNN tabanlı modele benzer bir performans sergilediğini gözlemledik. Ayrıca, doğum ağırlığı sınıflandırması için denetimsiz bir yöntem olarak veri setine temel bileşen analizi (PCA) uygulanmıştır. Sonuç, çoğu veri noktasının PCA ile başarılı bir şekilde sınıflandırıldığını açıkça göstermektedir. Bu çalışmanın bulguları, bebeklerin doğum ağırlığı sınıflandırmasını doğru bir şekilde tahmin etmek için sağlam ve invazif olmayan bir yöntem olarak makine öğreniminin gücünün altını çizmektedir. Bu faktörler ışığında, düşük doğum ağırlığı ve yüksek doğum ağırlığı oluşumunu önlemek için bir sağlık programı tasarlanabilir. Çünkü bir yeni doğanda DDA veya YDA'nın tespit edilmesi, doğumdan hemen sonra veya yaşamın ilerleyen dönemlerinde ortaya çıkabilecek potansiyel sorunlara işaret edebilir. Tezin sonunda, gerçekleştirdiğimiz iki çalışmaya dayanarak performans iyileştirme yöntemleri önerilmiş olup, araştırmamızın sonuçlarının gelecekteki çalışmalara ışık tutacağını umuyoruz.
Özet (Çeviri)
With the advancement of technology in the biomedical field, new diagnostic and treatment methods and new devices are being developed day by day. However, although this situation seems mostly advantageous, the development of technology in some areas poses some difficulties for both patients and doctors in terms of diagnosis and treatment. For example, electromagnetic radiation used for diagnostic purposes can be harmful to patients. In addition, the precision and accuracy of the results of the techniques used also contain a margin of error, and it becomes important for doctors to consider these margins of error in the decision-making process. Based on the briefly mentioned problems, alternative methods are proposed for two different fields in this thesis. In the first study, an alternative method different from standard methods for breast cancer diagnosis will be proposed, and in the second study, machine learning approaches that can determine the baby's birth weight with high accuracy will be presented. Breast cancer remains a major global health problem and requires continuous improvements in diagnostic and control methods to achieve better patient outcomes during treatment and early detection of the disease. As breast cancer is one of the most common and dangerous diseases among women worldwide, it is therefore critical to diagnose it quickly. Considering that breast cancer is the second-leading cause of cancer-related mortality in women, the need for efficient and non-invasive diagnostic methods has become greater. The negative consequences of conventional approaches in terms of their operating principles or application methodologies give rise to this demand. In response to the limitations inherent in traditional diagnostic techniques, microwave imaging methods have been developed for effective diagnosis of breast cancer. The feasibility and efficacy of using microstrip patch antennas for breast cancer detection are especially examined in the first section of this thesis, which explores an alternative medical method. These antennas can be considered an important development in the medical industry as they are able to detect small electromagnetic oscillations that are indicative of early-stage cancer. This study introduces the design and simulation of a rectangular microstrip patch antenna on an FR-4 substrate operating at 2.45 GHz in the ISM band for breast cancer detection. Utilizing the Computer Simulation Technology (CST) software, both the proposed antenna and a five-layer breast phantom, with and without a 5 mm-radius tumor, were comprehensively designed. A breast phantom modeled as a hemisphere and an embedded tumor modeled as a sphere with different dielectric characteristics were successfully simulated. The antenna's performance was evaluated at varying distances from the phantom, revealing alterations in parameters such as electric field, return loss, voltage standing wave ratio, efficiency, specific absorption rate, etc., in the presence of a tumor. The simulation results at different antenna locations show discernible differences in values with and without tumors, indicating that a tumor significantly influences power reflection back to the antenna. The VSWR of the antenna, lower than 2, aligns with acceptable VSWR limits. Furthermore, the proposed antenna demonstrates increased electric field strength in the presence of a tumor. In addition, simulation outcomes in free space and with a 3-D breast phantom indicated that the antenna, positioned 20 mm from the breast phantom, is more efficient in tumor identification compared to the one located at 40 mm. Given its tumor detection capability and satisfactory SAR values, the proposed antenna emerges as a promising tool in biomedical applications. Future studies will explore alternative antenna geometries and techniques to enhance performance and increase tumor detection sensitivity. Birth weight is a critical indicator of both pregnancy progress and infant development, exerting a substantial influence on short- and long-term health conditions in newborns. In other words, fetal weight emerges as a pivotal indicator of short- and long-term health problems in newborns, both in developed and developing countries. Understanding the contributing factors to low birth weight (LBW) and high birth weight (HBW) can inform the implementation of optimal interventions for the population's health. In the second study, we present our research on the prediction of birth weight classification through the application of various machine learning algorithms. For this investigation, 913 medical observation units, each characterized by 19 features encompassing actual birth weight information and ultrasound measurements, were employed. In the study, a number of data preprocessing steps were performed on the data set before the data set was directly used to train the classifier models. To address the issue of imbalanced data across classes, we implemented the synthetic minority oversampling technique (SMOTE). Additionally, feature scaling was applied to standardize numerical attributes within a particular range in the dataset, as there are different physiological variables with different units and orders of magnitude. In this work, nine different machine learning classifier models are used. They are decision tree, discriminant analysis, naive bayes, support vector machine, k-nearest neighbor, kernel approximation, ensemble classifier, artificial neural network, and logistic regression. The hyperparameters of each model were kept at default values, and no hyperparameter tuning was made. To evaluate the performance of nine distinct supervised machine learning algorithms, we compared birth weight classification models with and without feature selection, utilizing numerous evaluation metrics. These different metrics are accuracy, sensitivity, specificity, positive predictive value, negative predictive value, F1 score, and area under the receiver operating curve. Referring to the Pearson correlation coefficient technique applied to the data set, abdominal circumference, head circumference, biparietal diameter, femur length, and hemoglobin levels at the 0th and 6th hours are highly correlated with birth weight. The results of our analysis highlight that the subspace kNN-based ensemble classifier outperforms other machine learning models, achieving the best macro-average accuracy of 99.87% without feature selection and 99.75% with feature selection. Additionally, we observed that the bilayered neural network exhibits similar performance to the kNN-based model, with the best macro-average accuracy of 99.62%, irrespective of feature selection. Furthermore, principal component analysis (PCA) was applied to the data set as an unsupervised method for birth weight classification. The outcome clearly demonstrates the successful classification of most data points by PCA. The findings of this study underscore the potency of machine learning as a robust and non-invasive method for accurately predicting the birth weight classification of infants. In light of these factors, a health program could be devised to prevent the occurrence of LBW and HBW since recognition of LBW or HBW in a newborn may signal potential problems that could manifest immediately after birth or later in life. At the end of the thesis, performance improvement methods have been proposed based on the two studies we conducted, and we hope that the results of our research will shed light on future studies.
Benzer Tezler
- Determination of the breast cancer tumor diameter using wearable ultra wide band microstrip antenna
Meme kanseri tümör çapının giyilebilir ultra geniş bant mikroşerit anten kullanılarak belirlenmesi
FAWZY A.F. ALSHARIF
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇETİN KURNAZ
- Directional wide band printed monopole antenna for use in microwave breast cancer imaging
Mikrodalga meme kanseri görüntüleme kullanımı için geniş bantlı yönlü mikroşerit anten
JAVAD JANGİ GOLEZANİ
Yüksek Lisans
İngilizce
2012
İletişim Bilimleriİstanbul Teknik ÜniversitesiHaberleşme Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Meme kanserinin tespitine yönelik performansı geliştirilmiş Vivaldi anten tasarımı ve uygulaması
Vivaldi antenna design and application for performance of breast cancer determination
BEYZA NEYİŞCİ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEYFETTİN SİNAN GÜLTEKİN
- Meme tümörlerinin çok geniş bantlı radar tabanlı mikrodalga yöntemiyle tespiti
Detection of the breast tumors by ultra-wideband radar based microwave method
ALİ RECAİ ÇELİK
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED BAHADDİN KURT
PROF. DR. SELÇUK HELHEL
- Uwb microstrip antenna design for microwave imaging systems
Mikrodalga görüntüleme için uwb mikroşerit anten tasarımı
NASIR IQBAL
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. SAEID KARAMZADEH