Geri Dön

Akciğer ve kolon kanserinin histopatolojik görüntüler üzerinde derin öğrenme yöntemleri kullanılarak tespiti

Detection of lung and colon cancer using deep learning methods on hystopathological images

PDF İndir

  1. Tez No: 860483
  2. Yazar: TÜRKAN BEYZA KARA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AHMET CEVAHİR ÇINAR
  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: 2024
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 89

Özet

Akciğer ve Kolon kanserleri dünya çapında en çok ölüme neden olan kanser türlerinin başında gelmektedir. Günümüzde tıp dünyası birçok hastalığın tedavisini keşfetmiş olmasına rağmen henüz kanser gibi hastalıklarda yetersiz kalmakta ve çoğu hastada ölümle sonuçlanmaya devam etmektedir. Kanser hastalığının önüne geçebilmede en önemli unsur erken teşhistir. Histopatolojik tanı, akciğer ve kolon kanseri tespit sürecinde sıklıkla kullanılmasına rağmen tıp uzmanları için oldukça zaman alıcı ve hataya açık bir süreçtir. Ayrıca histopatolojik tanının görsel olarak incelenmesinde karar, klinisyenlerin subjektif algısına bağlıdır. Erken tanı ile ilgili günümüzde birçok yapay zeka tabanlı çalışmalar yapılmaktadır. Bu çalışmalar göz önüne alındığında, gelecekte patolojik çalışmalarda insan çabasının yerini yapay zekaya dayalı sistemlerin alacağı öngörülmektedir. Bu tez çalışmasında, akciğer ve kolon kanserinin histopatolojik görüntülerde tespiti için derin sinir ağları kullanılarak bir model önerilmektedir. Model geliştirme sürecinde akciğer ve kolon dokularının mikroskobik görüntülerini içeren güncel bir veri seti olan LC25000 ve NCT-CRC-HE-100K olmak üzere iki adet halka açık veri seti kullanıldı. Ayrıca LC25000 veri seti içerisindeki akciğer dokuları ile NCT-CRC-HE-100K veri setinin tamamı birleştirilerek üçüncü bir veri seti oluşturuldu. Histopatolojik görüntüler, önceden eğitilmiş EfficientNetB5, VGG16, ResNet101 ve önerilen evrişimli sinir ağı tabanlı model için girdi görevi görmektedir. Performans değerlendirmesinde doğruluk, kesinlik, duyarlılık, özgüllük ve F1-skor ölçüm araçları kullanılarak önerilen model ve hazır mimariler incelendi. Bu çalışmanın temel amacı benzersiz, birleştirilmiş bir veri seti kullanılarak sağlam ve klinik açıdan genelleştirilebilir bir model geliştirmeyi hedeflemektedir. Yapılan çalışmalar, tüm ölçüm araçlarında %99 üzeri kayda değer bir başarı oranı elde ediyor ve eğri altındaki alan değerlerinin yüksekliği ile güvenilirliğini ortaya koyuyor. Sonuç olarak önerilen yaklaşım, tıp bilimi ve yapay zekanın yakınlaştığı yolda, yüksek doğruluk ile daha iyi hastalık tespit sonuçları için umut vererek kanser teşhisinde dönüştürücü bir yaklaşımın önünü açmaktadır.

Özet (Çeviri)

Lung and colon cancers are among the leading types of cancer worldwide that cause the most deaths. Despite the medical world having discovered the treatment for many diseases today, it remains insufficient for diseases like cancer, resulting in death for most patients. The most crucial element in preventing cancer is early diagnosis. Although histopathological diagnosis is frequently used in the detection process of lung and colon cancer, it is a very time-consuming and error-prone process for medical professionals. Moreover, the decision in the visual examination of histopathological diagnosis depends on the subjective perception of clinicians. Today, many artificial intelligence-based studies are being carried out regarding early diagnosis. Considering these studies, it is predicted that human effort will be replaced by artificial intelligence-based systems in pathological studies in the future. In this thesis, a model is proposed using deep neural networks for the detection of lung and colon cancer in histopathological images. During the model development process, two publicly available datasets, LC25000 and NCT-CRC-HE-100K, which are a current dataset containing microscopic images of lung and colon tissues, were used. Additionally, a third dataset was created by combining the lung tissues in the LC25000 dataset and the entire NCT-CRC-HE-100K dataset. Histopathological images were provided as input to the pre-trained EfficientNetB5, VGG16, ResNet101, and the proposed convolutional neural network (ESA) based model. Accuracy, sensitivity, recall, specificity, and F-1 score measurement tools are used to evaluate performance in the proposed model and ready-made architectures. This study aims to develop a robust and clinically generalizable model using a unique, combined dataset. In the studies conducted, over 99% success was achieved in all measurement tools and its reliability was proven with high AUC values. As a result, the proposed approach, as medicine and artificial intelligence converge, opens the way for a transformative approach in cancer diagnosis, offering hope for enhanced accuracy and better patient outcomes.

Benzer Tezler

  1. Tez No

    896409

    Derin topluluk öğrenmesi modeli ile histopatolojik görüntüler üzerinde çok sınıflı kanser teşhisi

    Multi-class cancer diagnosis on histopathological images with deep ensemble learning model

    GİZEM YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖNDER YAKUT

  2. Tez No

    884583

    Deep learning technique for early detection of lung cancer

    Akciğer kanserinin erken teşhisi için derin öğrenme tekniği

    NADA A M ALSHAER

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    ASSISTANT PROFESSOR DR. SHAHRAM TAHERI

  3. Tez No

    896129

    Kolorektal kanser tanısı alan hastaların demografik özellikleri ve nüks/metastaz durumunu etkileyen faktörler

    Demographic characteristics of patients diagnosed with colorectal cancer and factors affecting recurrence/metastasis status

    SEDEF ŞEYMA ÖZGÜR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    OnkolojiMarmara Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. İBRAHİM VEDAT BAYOĞLU

    DOÇ. DR. MURAT SARI

  4. Tez No

    811482

    Metastatik kolon karsinomu tanılı hastalarda anti-EGFR tedaviye yanıtı etkileyen klinik ve laboratuvar biyobelirteçler

    Clinical and laboratory biomarkers affecting response to anti-EGFR therapy in patients with metastatic colon carcinoma

    MAHMUT CAN KILIÇ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    OnkolojiPamukkale Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURCU YAPAR TAŞKÖYLÜ

  5. Tez No

    665309

    Serviks kanseri tarama testi olarak KO-test yapılan hastalarda, HPV DNA pozitifliğinin histopatolojik sonuçlarının retrospektif olarak analiz edilmesi

    Histopathological results of hpv dna positivity in patients WHO have been CO-tested as cervical cancer screening test, as a retrospective analysis

    DAMLA SÖNMEZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Kadın Hastalıkları ve DoğumGazi Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    PROF. DR. MEHMET ANIL ONAN

Geri Dön