Evrişimsel sinir ağları ile meme kanseri moleküler alt tip sınıflandırması
Classification of breast cancer molecular subtypes using convolutional neural networks
- Tez No: 855495
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET HAŞİM YURTTAKAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Meme kanseri ölüm oranı ve yaygınlığı açısından en tehlikeli hastalıklardan birisidir. Heterojen bir hastalık olduğundan doğru sınıflandırılması son derece önem taşımaktadır. Histolojik, morfolojik sınıflandırmanın yanında, son yıllarda moleküler alt-tiplere sınıflandırma çalışmaları da yapılmaya başlamıştır. Moleküler alt tipler hastalığın seyrini etkilediğinden kişiye özgü tedaviler uygulanmaya çalışılmaktadır. Moleküler alt-tiplerinden özellikle üçlü negatif en agresif ve tehlikeli olanıdır. Diğer kanser türlerinde olduğu gibi meme kanserinde de erken teşhis son derece önemlidir. Bu tez çalışmasında DenseNET, XCeption ve GoogleNet ön eğitimli evrişimsel sinir ağları modelleri (CNN) veri artırma ile birlikte kullanılarak yalnızca MR görüntülerinin piksel bilgileri üzerinden moleküler alt-tip sınıflandırma yapılmıştır. Önerilen yöntem kullanıcıdan bağımsız, hızlı ve otomatik olup MR görüntülerini yüksek başarı oranı ile sınıflandırmaktadır. Hastalığın erken teşhisine imkan sağlayıp, gereksiz biyopsi uygulamalarını azaltarak onkologlara karar destek süreçlerinde fikir vermeyi amaçlamaktadır. Elde edilen sonuçlar ümit vadetmektedir.
Özet (Çeviri)
Breast cancer is one of the most dangerous diseases due to its prevalence and mortality rate. Correct classification of the disease is crucial because its heterogeneous nature. In addition to histological and morphological classification; molecular sub-type classification studies have been gaining momentum in recent years. Since the molecular subtypes affect the course of the disease, personalized treatments are being preferred. Among the molecular subtypes Triple Negative is the most aggressive and dangerous. Early diagnosis is incredibly crucial as in other cancer types. In this study DenseNET, XCeption and GoogleNet pre-trained Convolutional neural network (CNN) models have been used to classify molecular subtypes using only MRI images pixel data. Proposed method is independent of user, fast, automated and has produced significant success rate. Study aims to assist oncologists with decision support system, enable early diagnosis and reduce unnecessary biopsies. Obtained results are encouraging
Benzer Tezler
- Estimating metabolic flux variability with machine learning
Metabolik akış değerlerinin makine öğrenmesi ile tahmini
BARIŞ CAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ÇAKMAK
- Meme kanseri tanısı için gelişmiş yapay zeka tabanlı çok aşamalı tespit sistemi
Advanced artificial intelligence based multi-stage detection system for breast cancer diagnosis
ABDUL SAMAD
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Evrışımsel sınır ağları ıle meme kanserı hıstopatolojık görüntülerının sınıflandırılması
Classification of breast cancer histopathological images with convolutional neural networks
KEVIN KIAMBE ASSA
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET BABALIK
- Analyzing breast cancer using thermography and convolutional neural networks
Termografi ve evrişimsel sinir ağları ile meme kanseri analizi
HUSHANG JAWZAL
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. SAMİ EKİCİ
- Histopatolojik meme kanseri görüntülerinin evrişimsel sinir ağları kullanılarak sınıflandırılması
Classification of histopathological breast cancer images using convolutional neural networks
ZEHRA KADİROĞLU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERKAN DENİZ