Tumor detection in breast cancer histopathological images using convolutional neural networks
Meme kanseri histopatoloji görüntülerinde evrişimsel sinir ağları kullanarak tümör tespiti
- Tez No: 874083
- Danışmanlar: DR. ÖĞR. ÜYESİ BEKİR HAKAN AKSEBZECİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Abdullah Gül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 48
Özet
Meme kanseri, dünya genelinde kadınlar arasında görülen en yaygın kanser türlerinden biridir. Erken teşhis konulduğu zaman, hayatta kalma ve tedavi ihtimali arttığı için tanı metodolojilerindeki gelişmeler önemlidir. Bu çalışma, derin öğrenme ve görüntü işleme tekniklerini kullanarak meme kanseri histopatoloji görüntülerindeki tümör hücrelerinin tespitinde iyileştirme yapmayı hedeflemektedir. Özellikle tümör çevresini kapsayan kutuların boyutu, aynı andaki toplu iş sayısı, optimizasyon algoritmaları ve öğrenme hızı ile ağırlık azaltma dahil olmak üzere hiperparametrelerde farklı değerler sınanmaktadır. Bu değişkenler ile Faster R-CNN modelinin iyileştirilmesine odaklanılmaktadır. Meme Kanseri Histopatoloji Anotasyon ve Tanı (BreCaHAD) veri setini kullanarak çeşitli parametrelerde geniş bir analiz yapılmıştır. Analiz sonucunda, model performansını artıran en iyi parametreler belirlenerek; hassasiyet, geri çağırma ve F-skoru gibi önemli metriklerde iyileşme sağlanmıştır. Meme kanseri histopatoloji görüntülerinde tümör tespiti doğruluğunu etkileyen kritik faktörleri kapsamlı bir şekilde inceleyen bu çalışma, tıbbi görüntü analizi alanına önemli katkılar sunmaktadır. Elde edilen sonuçlar, daha güvenilir ve doğru tanıya katkıda bulunabilecek yeni araştırma alanları ve geliştirme yolları için sağlam bir temel oluşturmaktadır.
Özet (Çeviri)
Breast cancer is one of the most common cancer types among women worldwide. Early detection significantly increases the chances of survival and effective treatment, making advancements in diagnostic methodologies crucial. This study aims to improve the detection of tumor cells in breast cancer histopathology images using deep learning and image processing techniques. Significant modifications have been made to the hyperparameters, including the tumor bounding box size, batch size, optimization algorithms, learning rate, and weight decay. These changes focus on determining the best parameters of the Faster R-CNN model. A comprehensive analysis of different parameters was conducted using the Breast Cancer Histopathological Annotation and Diagnosis (BreCaHAD) dataset. The analysis identified the best settings for model performance, shows by improvements in precision, recall, and F-score. Our research contributes to the field of medical image analysis by identifying critical factors that affect the accuracy of tumor detection, contributing to the development of more accurate diagnostic tools.
Benzer Tezler
- Breast cancer diagnosis in histopathological images using autoencoder-enhanced convolutional neural network
Histopatolojik görüntülerde meme kanseri teşhisi için otokodlayıcı ile geliştirilmiş evrişimsel sinir ağı kullanımı
İSMAİL İÇME
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Farklı derin öğrenme modelleri kullanarak histopatalojik görüntülerden meme tümörlerinin sınıflandırılmasında yeni yaklaşımlar
New approaches in classification of breast tumors from histopathological images using different deep learning models
SEMA NIZAM ABDULGHANI
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEYFETTİN SİNAN GÜLTEKİN
- Histopatolojik görüntülerde tümör bölütlenmesi
Tumor segmentation in histopathological images
ZEHRA BOZDAĞ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH TALU
- Göğüs kanseri sınıflandırmasında yenidenboyutlandırma ve aşırı örneklemenin etkisi
Effect of resize and oversampling on breast cancerclassification
ATAKAN GÖÇER
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ÖZGÜR CİNGİZ
- Nuclei segmentation and classification in histopathology images using deep neural networks
Derin sinir ağları kullanarak histopatoloji görüntülerinde çekirdek segmentasyonu ve sınıflandırması
MUHARREMCAN GÜLYE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERİŞTAH DALKILIÇ