Geri Dön

Breast cancer localization and detection using modified SVM workflow

Değiştirilmiş SVM iş akışı kullanılarak meme kanserinin yerleştirilmesi ve tespiti

  1. Tez No: 877139
  2. Yazar: ALI MAJEED MOHAMMED MOHAMMED
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AYCA KURNAZ TURKBEN
  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: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 68

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

  1. 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

    Türkçe

    2004

    Endokrinoloji ve Metabolizma HastalıklarıMarmara Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    ÖĞR. GÖR. FULDEN YUMUK

  2. 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

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELİM AKSOY

  3. Lesion detection in MR mammography: NMITR maps, dynamic and morphological descriptors

    MR mamografide lezyon belirlenmesi: NMITR haritaları, devingen ve biçimsel tanımlayıcılar

    GÖKHAN ERTAŞ

    Doktora

    İngilizce

    İngilizce

    2007

    BiyomühendislikBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİL ÖZCAN GÜLÇÜR

  4. Metastasis detection and localization in lymph nodes by using convolutional neural networks

    Evrişimsel sinir ağları kullanılarak lenf düğümlerinde metastaz tespiti ve konumlandırılması

    MUSTAFA ÜMİT ÖNER

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. UĞUR HALICI

  5. 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

    Türkçe

    2022

    MatematikYıldız Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BİROL ASLANYÜREK