Detection of local structural distortions in skin due to skin cancer by raman spectroscopy and machine learning
Cilt kanserı̇ne bağlı ciltteki yerel yapısal bozulmaların raman spektroskopı̇sı̇ ve makı̇ne öğrenmesı̇ ı̇le tespı̇tı̇
- Tez No: 871854
- Danışmanlar: DR. ÖĞR. ÜYESİ ONUR KURT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: 69
Özet
Küresel nüfusun önemli bir kısmı, özellikle güneşe maruz kalan cilt bölgelerinde yaygın olarak görülen bazal hücreli karsinom (BCC) gibi cilt kanseri türlerinden giderek daha fazla etkilenmektedir. BCC tipik olarak yavaş büyür ve lokal olarak yayılır, ancak metastaz yapabilir. ABD'de, BCC'nin görülme sıklığı 100.000 kişi başına 300 vakadır ve ömür boyu risk %30 olup, yıllık artış %10'un üzerindedir. BCC, sağlık sistemleri üzerinde önemli bir yük oluşturur. Modern biyomedikal araştırmalar, Raman spektroskopisi ve makine öğrenimi (ML) gibi teknolojiler kullanarak cilt kanserlerini doğru bir şekilde teşhis etmek için yeni yollar sunmaktadır. Bu çalışma, Raman spektroskopisi ve denetimli ML algoritmalarını kullanarak tümörden etkilenmiş dokulardaki yapısal düzensizlikleri tespit etmeyi ve nodüler ve infiltratif BCC'yi ayırt etmeyi hedeflemektedir; bu da teşhisi hızlandırıp ölümleri azaltmayı amaçlamaktadır. Şişli Hamidiye Etfal Eğitim ve Araştırma Hastanesi etik kurulu tarafından onaylanan çalışmada, histopatolojik teşhis sonrasında deneyimli bir plastik cerrah tarafından BCC dokuları tamamen çıkarıldı ve Raman spektroskopisi analizi için İstanbul Teknik Üniversitesi'ne (İTÜ) taşındı. Veriler, kozmik ışınların ortadan kaldırılması, floresans kaynaklı arka planın çıkartılması ve spektrum normalizasyonu gibi ön işleme adımlarından geçti. Toplamda 9 farklı makine öğrenmesi modeli kullanılarak BCC sınıflandırması ve alt tiplerinin ayrımı yapıldı. Sonuçlar, RF ve KNN'nin BCC'yi normal dokudan ayırt etmede (%98.4 doğruluk) ve BCC alt tiplerini ayırt etmede en yüksek doğruluğu sağladığını gösterdi. Bu çalışma, Raman spektroskopisi ve ML'nin, BCC ve alt tiplerini teşhis etmede etkili ve invaziv olmayan araçlar olarak potansiyelini vurgulamaktadır.
Özet (Çeviri)
A significant portion of the global population is increasingly affected by skin cancer, particularly basal cell carcinoma (BCC), which is common and often appears on sun-exposed skin areas. BCC typically grows slowly and invades locally but can metastasize. In the U.S., BCC has an incidence rate of 300 per 100,000 people, with a 30% lifetime risk and an annual increase of over 10%. BCC significantly impacts healthcare systems. Modern biomedical research, using technologies like Raman spectroscopy combined with machine learning (ML), offers new ways to accurately diagnose skin malignancies. This study used Raman spectroscopy and supervised ML algorithms to identify structural irregularities in tumor-affected tissues and differentiate between nodular and infiltrative BCC, aiming to speed up diagnosis and reduce mortality. Approved by the ethics committee of Şisli Hamidiye Etfal Training and Research Hospital in Istanbul, Türkiye, the study involved excising BCC tissues for Raman spectroscopy analysis. The data underwent preprocessing steps such as cosmic ray elimination, fluorescence background removal, and spectrum normalization. Nine different ML models were used to classify BCC and differentiate its subtypes. Results showed that RF and KNN achieved the highest accuracy in distinguishing BCC from normal tissue (98.4%) and in differentiating BCC subtypes. This study highlights the potential of Raman spectroscopy and ML as effective, non-invasive tools for diagnosing BCC and its subtypes.
Benzer Tezler
- Yapısal hasar teşhisinde dalgacık dönüşümüne dayalı bir yöntem geliştirilmesi
Developing a wavelet transform-based structural damage detection method
HAKAN GÖKDAĞ
Doktora
Türkçe
2010
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN KOPMAZ
- Gevşeme temelli kenar belirleme algoritması
Başlık çevirisi yok
GÜRAY GÜNGÖR
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiBiyomedikal Mühendisliği Bilim Dalı
DOÇ. DR. TAMER ÖLMEZ
- Yıldız izler cihazları için tanımlanan uzay modellerine yönelik gerçek zamanlı ve adaptif yıldız tespit algoritması geliştirme
Development of real-time and adaptive star detection algorithm using defined space models for star tracker devices
SAMED AL
Yüksek Lisans
Türkçe
2018
Astronomi ve Uzay BilimleriGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İRFAN KARAGÖZ
- Öz bilgi destekli derin öğrenme yaklaşımları ile hsg gürültü giderme
Self-ınformation empowered deep learning approaches for hsı denoising
ORHAN TORUN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM
PROF. DR. MEHMET ERKUT ERDEM
- Uzaktan denetim sistemlerinin veri bağlantı kontrolü
Başlık çevirisi yok
KAAN ERKAN
Yüksek Lisans
Türkçe
1996
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. BÜLENT ÖRENCİK