Akciğer kanserinin ve kanser evresinin tespit edilmesinde derin öğrenme uygulamaları
Deep learning applications in detecting lung cancer and cancer stage
- Tez No: 860751
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜZİN ÖZMEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Akciğer kanseri, önemli bir küresel sağlık sorunudur ve dünya çapında kansere bağlı ölümlerin önde gelen nedenlerinden biridir. Akciğer kanserinin erken teşhisi, hastaların yaşam beklentisini arttırmada ve yaşam kalitesini iyileştirmede çok önemli bir rol oynamaktadır. Akciğer kanseri teşhisinde ve tedavi sürecinde Bilgisayarlı tomografi (BT), Manyetik Rezonans Görüntüleme, Pozitron Emisyon Tomografisi ve Ultrason gibi tıbbi görüntüleme teknikleri kullanılmaktadır. Bu çalışma akciğer kanserini BT görüntüleri kullanarak, evrişimli sinir ağı temelli AlexNet, GoogleNet, VGG-16, VGG-19 ve ResNet derin öğrenme mimarileri ile tespit etmeyi ve kanser evresini belirlemeyi amaçlamaktadır. Bunun yanında VGG-19 mimarisinde değişiklik yapılmış ve sonuçlar önceden eğitilmiş diğer derin öğrenme mimarileri ile karşılaştırılmıştır. Derin Öğrenme mimarileri kullanılarak gerçekleştirilen bu sınıflama çalışmasında ilk olarak iki sınıftan oluşan (Kanserli ve Sağlıklı) görüntülerde AlexNet, GoogleNet, VGG-16, VGG-19, ResNet ve önerilen VGG-19 mimarileri ile sırasıyla %92,42, %94,89, %96,09, %95,41, %96,15 ve %96,55 sınıflama doğrulukları elde edilmiştir. İkinci olarak beş sınıftan oluşan ve kanserin evresine göre etiketlenen görüntülerde (EvreI, EvreII, EvreIII, EvreIV ve Sağlıklı) AlexNet, GoogleNet, VGG-16, VGG-19, ResNet ve önerilen VGG-19 mimarileri ile sırasıyla %93,83, %94,61, %96,09, %95,22, %96,22 ve %96,38 sınıflama doğrulukları elde edilmiştir. Sonuç olarak BT görüntüleri kullanılarak, derin öğrenme yöntemleri kanser tespitinin yanında kanserin evrelemesinde de başarı gösterir iken önerilen VGG-19 mimarisi en yüksek sınıflama doğruluğunu sağlamıştır.
Özet (Çeviri)
Lung cancer is a major global health problem and one of the leading causes of cancer-related deaths worldwide. Early diagnosis of lung cancer plays a very important role in increasing patients' life expectancy and improving their quality of life. Medical imaging techniques such as Computed tomography (CT), Magnetic Resonance Imaging, Positron Emission Tomography and Ultrasound are used in the diagnosis and treatment process of lung cancer. This study aims to detect lung cancer and determine the cancer stage using CT images with convolutional neural network-based AlexNet, GoogleNet, VGG-16, VGG-19 and ResNet deep learning architectures. In addition, changes were made to the VGG-19 architecture and the results were compared with other pre-trained deep learning architectures. In this classification study carried out using Deep Learning architectures, firstly, 92.42%, 94.89%, 96.09%, 95.41%, 96.15%, and 96.55% classification accuracies were obtained on images consisting of two classes (Cancerous and Healthy) with AlexNet, GoogleNet, VGG-16, VGG-19, ResNet and the proposed VGG-19 architectures, respectively. Secondly, classification accuracies were obtained with AlexNet, GoogleNet, VGG-16, VGG-19, ResNet, and the proposed VGG-19 architectures, 93.83%, 94.61%, 96.09%, 95.22%, 96.22%, and, 96.38% respectively, on images consisting of five classes and labeled according to the stage of cancer (StageI, StageII, StageIII, StageIV, and Healthy). As a result, using CT images, deep learning methods showed success in cancer staging as well as cancer detection, while the proposed VGG-19 architecture provide the highest classification accuracy.
Benzer Tezler
- Erken evre küçük hücreli dışı akciğer kanseri hastalarında serum SPD-1 ve SPD-l1 düzeylerinin klinik, patolojik özellikler ve lenf nodu metastazı ile korelasyonu
The correlation of serum SPD-1 and SPD-L1 levels with clinical, pathological characteristics and lymph node metastasis in early-stage non-small cell lung cancer patients
BURCU ANCIN
Tıpta Uzmanlık
Türkçe
2020
Göğüs Kalp ve Damar CerrahisiHacettepe ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
PROF. DR. METİN DEMİRCİN
- N pozitif akciğer kanseri hastalarında N1 lenf nodu sayısı ve N1-N2 lenf nodunda FDG-PET/BT metabolik volümünün prognostik açıdan karşılaştırılması
Prognostic comparison of n1 lymph node count and N1-N2 lymph node FDG-PET/CT metabolic volume in n positive lung cancer patients
AYHAN YAHŞİ
Tıpta Uzmanlık
Türkçe
2021
Göğüs Kalp ve Damar CerrahisiSağlık Bilimleri ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
PROF. DR. GÖKTÜRK FINDIK
- Mide kanserli olgularda 2-[F-18] fluoro 2-Deoksi D-glukoz pozitron emisyon tomografi'nin (FDG-PET), preoperatif evrelemedeki rolü
The role of fdg-pet for the preoperative staging of patients with gastric cancer
KAZIM DUMAN
Tıpta Uzmanlık
Türkçe
2007
Genel CerrahiGATAGenel Cerrahi Ana Bilim Dalı
DOÇ.DR. ABDURRAHMAN ŞİMŞEK
DOÇ.DR. SEMİH GÖRGÜLÜ
- Yeni tanı prostat kanseri hastalarında PSA düzeyleri, gleason skoru ve Ga-68 PSMA PET-CT arasındaki ilişkinin retrospektif olarak incelenmesi
Retrospective investigation of the relationship between PSA levels, gleason score and PSMA PET-CT in newly diagnosed prostate cancer patients
MEHMET ÇELİK
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpAtatürk ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF. DR. ALİ ŞAHİN
- İnoperabl akciğer kanserinde diffüzyon ağırlıklı MR görüntülemenin prognostik rolü
Prognosti̇c role of diffusion weighted MRİ in inoperable lung cancer
ESER BULUT
Tıpta Uzmanlık
Türkçe
2017
Radyoloji ve Nükleer TıpKaradeniz Teknik ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. POLAT KOŞUCU