Geri Dön

Meme kanserinin otomatik teşhisi için yeni bir derin öğrenme yaklaşımı

A new deep learning approach for automatic diagnosis of breast cancer

  1. Tez No: 856319
  2. Yazar: ADNAN KÖŞKER
  3. Danışmanlar: DOÇ. DR. ÜMİT BUDAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Bitlis Eren Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

Meme kanseri özellikle dünya genelinde kadınların en çok karşılaştığı hastalıklardan biridir. Hem erken teşhis hem de ilgili kişinin erken tedavisi için rutin meme kontrolleri hayati önem taşır. Bilgisayar destekli teşhis sistemleri, patologlar için teşhis sırasında yardımcı bir araç olma yolunda uzun bir mesafe katetmiştir. Bu tez çalışmasında, meme kanserinin histopatolojik görüntülerden etkili teşhisi için yeni bir evrişimsel sinir ağı önerilmektedir. Klasik evrişimsel sinir ağları sadece bir girişe sahipken, ilgili ağ eğitim sürecinde veri kümesinden sadece ham görüntüleri kullanır. Bu, ağın ek bir özellik kullanma kabiliyetini sınırlar. Önerilen yöntemde ise ağın bir girişi histopatolojik ham görüntüleri kullanırken, diğer girişi ise ilgili görüntülerin derin özelliklerini kullanır. Tüm deneysel çalışmalar literatürde yaygın olarak kullanılan BreakHis veri kümesi üzerinde gerçekleştirildi. Performansın testi için doğruluk kriteri tercih edildi ve 5 kat çapraz doğrulama tekniği dikkate alındı. 40×, 100×, 200× ve 400× alt veri kümelerinde sırasıyla %99,94, %98,94, %99,05 ve %97,30 doğruluk puanları elde edildi. Elde edilen sonuçlar, meme kanseri teşhisi için son derece etkili değerler olmanın ötesinde, literatürde rapor edilen diğer sonuçlardan çok daha üstündü.

Özet (Çeviri)

Breast cancer stands as a significant health concern, particularly for women worldwide. Regular breast examinations are crucial for the early detection and prompt treatment of this condition. Furthermore, computer-assisted diagnostic systems have made substantial strides in aiding pathologists during the diagnostic process. In our research, we introduce an innovative convolutional neural network for the accurate diagnosis of breast cancer from histopathological images. Unlike traditional convolutional neural network's that rely solely on raw image inputs, our model employs a dual-input architecture. One input utilizes the raw histopathological images, while the other leverages deep features extracted from related images. This dual-input approach enhances the network's ability to extract insights from additional information sources. We conducted all our experimental studies using the well-established BreakHis dataset. To assess the model's performance, we employed the accuracy metric and applied a rigorous 5-fold cross-validation technique. The results were remarkable, with accuracy scores of 99,94%, 98,94%, 99,05%, and 97,30% achieved for the 40×, 100×, 200×, and 400× sub-datasets, respectively. These results not only demonstrate the effectiveness of our proposed diagnostic system but also surpass the benchmarks reported in existing literature.

Benzer Tezler

  1. Sayısal patoloji görüntülerinin analizinde yenilikçi derin öğrenme yaklaşımlarının geliştirilmesi

    Development of innovative deep learning approaches in the analysis of digital pathology images

    YUSUF ÇELİK

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT KARABATAK

  2. Görüntü zenginleştirme ve hücresel ysa kullanarak meme kanseri teşhisi

    Diagnosis of breast cancer using image enhancement and cellular neural networks

    LEVENT CİVCİK

    Doktora

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YÜKSEL ÖZBAY

  3. Analyzing breast cancer using thermography and convolutional neural networks

    Termografi ve evrişimsel sinir ağları ile meme kanseri analizi

    HUSHANG JAWZAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. SAMİ EKİCİ

  4. Prediction of breast cancer using artificial intelligence

    Başlık çevirisi yok

    ALI SALIM MOHAMMED AL-QAZZAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HASAN ABDULKADER

  5. Görüntü işleme teknikleriyle meme kanserinin teşhisi

    Diagnosis of breast cancer with image processing techniques

    GÜLİZ TOZ

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce Üniversitesi

    Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PAKİZE ERDOĞMUŞ