Breast cancer localization and detection using modified SVM workflow
Değiştirilmiş SVM iş akışı kullanılarak meme kanserinin yerleştirilmesi ve tespiti
- Tez No: 877139
- Danışmanlar: DR. ÖĞR. ÜYESİ AYCA KURNAZ TURKBEN
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Mamografi, vakaların %90'a varan oranda tespit edilebildiği meme kanserinin erken teşhisinde en etkili yöntemdir. 2017 yılında vakaların yalnızca %24'ünde mamografi kullanılmış olup, bu oran Dünya Sağlık Örgütü'nün (WHO) beklediği %70'in altındadır. Bu da geç tanının ve mortalitedeki artışın nedenlerinden birini açıklamaktadır. DSÖ verilerine göre tedaviye başlama süresi ilk randevulardan sonra ortalama 120 gündür. Bu durum, konsültasyonların planlanmasındaki gecikmenin yanı sıra, birçok kez aşırı testlerin istenmesi ve bunun da tanı sürecini yavaşlatmasından kaynaklanmaktadır. Bu yazıda, (Destek Vektör Sınıflandırıcısı (SVC), K-En Yakın Komşu (KNN), Rastgele Orman (RF), Lojistik Regresyon () ile ilişkili prototip seçimini kullanarak meme kanserinde daha hızlı tanıya yardımcı olacak bir tıbbi karar destek modeli öneriyoruz. LR)). Bu sayede çeviklik ve verimlilikle sağlam sonuçlar elde etmeyi umuyoruz.
Özet (Çeviri)
Mammography is the most effective method in the early detection of breast cancer, which can detect up to 90% of cases. mammography was used in only 24% of cases in 2017, which is below the 70% expected by the World Health Organization (WHO). This explains one of the causes of late diagnosis and the increase in mortality. According to WHO data, the average time to start treatment is 120 days after the first appointments. This situation is due to the delay in scheduling consultations, in addition to the fact that many times excessive tests are requested, which slow down the diagnostic process. In this paper, we Propose a medical decision support model in breast cancer to help diagnose more quickly, using prototype selection associated with (Support Vector Classifier (SVC), K-Nearest Neighbor (KNN), Random Forest (RF), Logistic Regression (LR)). In this way, we expect to obtain robust results with agility and efficiency.
Benzer Tezler
- Primer meme tümörlerinde p53 ve human papillomavirus(HPV) DNA sıklığı ve bunların diğer prognostik faktörlerle ilişkisi
The incidence of p53 and HPV DNA positivity, their relationship with each other and with other prognostic factors in breast cancer
KHARSHED ALAM
Tıpta Uzmanlık
Türkçe
2004
Endokrinoloji ve Metabolizma HastalıklarıMarmara Üniversitesiİç Hastalıkları Ana Bilim Dalı
ÖĞR. GÖR. FULDEN YUMUK
- Breast cancer detection and treatment using active sensor imaging and microwave hyperthermia
Aktif sensör görüntüleme ve mikrodalga hipertermi kullanarak meme kanseri tespiti ve tedavisi
FAWZIA ABDIEN ALI ABDULLA
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AŞKIN DEMİRKOL
- Detection and classification of breast cancer in whole slide histopathology images using deep convolutional networks
Derin evrişimli ağlar ile tüm slayt histopatolojisi resimlerinde meme kanseri tesbiti ve sınıflandırılması
BARIŞ GEÇER
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM AKSOY
- Makine öğrenmesi teknikleriyle mikrodalga meme kanserinin tespiti ve konumunun belirlenmesi
Detection and localization of microwave breast cancer by machine learning techniques
ELİF TÖLÜK
Yüksek Lisans
Türkçe
2022
MatematikYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİROL ASLANYÜREK
- T1-ağırlıklı mr görüntülerinde meme tümörü tanısı için görüntü tabanlı tespit ve hasta bazlı karar iyileştirilmesinin birleştirilmesi: faster R-CNN yaklaşımı
Combining image-based detection and patient-level decision enhancement for breast tumor diagnosis using t1-weighted mri and faster R-CNN
ŞEYMA NUR TUFAN
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN