Ağız kanseri tanısında yapay sinir ağlarının kullanımı
The use of artificial neural networks in oral cancer diagnosis
- Tez No: 883258
- Danışmanlar: DOÇ. DR. MUTLU AKAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Matematik, Computer Engineering and Computer Science and Control, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Matematik Bilim Dalı
- Sayfa Sayısı: 76
Özet
Kanser, küresel anlamda ölüm nedenleri arasında ikinci sırada yer almaktadır ve kanser vakaları her yıl hızla artmaktadır. Özellikle baş ve boyun bölgesinde ortaya çıkan kanser vakaları, sıklıkla karşılaşılan türler arasında yer almakta olup, bu kapsamda en yaygın görülen tür, ağız kanseridir. Ağız kanseri her yıl yaklaşık olarak 177 bin ölüme sebep olmaktadır. Oral skuamöz hücreli karsinom (OSCC), ağız kanserinin en yaygın türüdür ve yaklaşık %90'ını oluşturur. OSCC teşhisinde, genellikle biyopsi yöntemi tercih edilir. Ancak, birçok hastanın biyopsiye karşı çekinceleri olduğundan, teşhis genellikle hastalığın ileri bir aşamasında konulur ve bu durum sağ kalım oranlarını olumsuz etkiler. Bu nedenle, hastalar tarafından tercih edilebilir, hızlı, güvenli ve düşük maliyetli sistemler geliştirmeye olan ilgi ve ihtiyaç artmaktadır. Bu bağlamda, bu çalışmada, OSCC teşhisi için derin sinir ağlarının güçlü mimarileri kullanılarak bir sınıflandırma gerçekleştirilmiştir. En etkili sonucu veren model ve hiperparametreleri seçerek, hızlı ve güvenilir bir sınıflandırma işlemi yapmak hedeflenmektedir. Kullanılan veri seti, Kaggle platformundan temin edilmiştir. Bu veri seti, normal ve OSCC olmak üzere iki farklı sınıfa ayrılmıştır. Görüntülerin detaylarını ve kontrastını artırmak amacıyla CLAHE yöntemi uygulanmıştır. Ardından, veri ön işleme gerçekleştirilmiştir. Sonrasında ResNet mimarisinin ResNet101 ve ResNet152 varyasyonları kullanılarak bir sınıflandırma yapılmıştır. Sınıflandırma iki farklı optimizasyon algoritması ve 5 farklı dönem sayısı (epoch) için yapılarak uygun optimizasyon algoritması ve dönem sayısı belirlenmiştir. Ardından benzer işlemler DenseNet mimarisinin DenseNet169 ve DenseNet201 varyasyonları ile yapılmıştır. Sonuç olarak Adam optimizasyonu kullanıldığında en yüksek doğruluk değerini %95.28 ile DenseNet169 mimarisi vermiştir. SGD optimizasyonu için ise en yüksek doğruluk değerini DenseNet201 mimarisi %97.01 olarak vermiştir.
Özet (Çeviri)
Cancer ranks as the second leading cause of death worldwide , and cancer cases are rapidly increasing each year. Head and neck cancers are among the most frequently encountered types, with the most common type in this category being oral cancer. Oral cancer is responsible for an estimated 177,000 deaths annually. Oral squamous cell carcinoma (OSCC) is the most common type of oral cancer, accounting for approximately %90 of cases. Biopsy is commonly preferred for diagnosing OSCC. However, because many patients have reservations about biopsies, the diagnosis is often made at an advanced stage of the disease, which negatively affects survival rates. Consequently, there is a growing interest and demand for the development of patient-preferred, rapid, safe, and cost effective systems. In this study, a classification process was conducted for OSCC diagnosis using advanced deep neural network architectures. The aim is to achieve a fast and reliable classification process by selecting the most effective model and hyperparameters. The dataset used was obtained from the Kaggle platform. To improve image clarity and contrast, the CLAHE method was utilized. Subsequently, data preprocessing was performed. Following that, a classification was conducted using variations of the ResNet architecture, namely ResNet101 and ResNet152. Classification was performed using two different optimization algorithms and for 5 different numbers of epochs, determining the appropriate optimization algorithm and number of epochs. Subsequently, similar procedures were performed using different variations of the DenseNet architecture, such as DenseNet169 and DenseNet201. As a result, the DenseNet169 architecture provided the highest accuracy of %95.28 when Adam optimization was used. For SGD optimization, the DenseNet201 architecture yielded the highest accuracy at %97.01.
Benzer Tezler
- Kemoterapi alan hastaların oral mukozayı korumaya yönelik uygulamaları
The applications intended to protect the oral mucosa of patients who take chemotherapy
BÜŞRA TAVŞAN
Yüksek Lisans
Türkçe
2015
HemşirelikGazi ÜniversitesiHemşirelik Ana Bilim Dalı
YRD. DOÇ. DR. SEVİNÇ KUTLUTÜRKAN
- Türkiye'deki diş hekimlerinin oral kanser farkındalığının ve bilgi düzeyinin değerlendirilmesi
Evaluation of oral cancer awareness and knowledge of the dentists in turkey
MÜFİDE BENGÜ ERDEN ŞAHİN
Diş Hekimliği Uzmanlık
Türkçe
2020
Diş HekimliğiEge ÜniversitesiAğız Diş ve Çene Cerrahisi Ana Bilim Dalı
DOÇ. DR. CANDAN EFEOĞLU
- Kadınların meme kanserinin erken tanısı hakkında bilgi seviyelerinin ve farkındalıklarının değerlendirilmesi
Evaluation of women's level of knowledge and awareness about early diagnosis of breast cancer
ŞEYMA FİLİZFİDAN
Yüksek Lisans
Türkçe
2023
Sağlık YönetimiÜsküdar ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF BAKTIR
- Oral skuamöz hücreli karsinomda znf238 geninin metilasyon ve ekspresyon seviyelerinin incelenmesi
Başlık çevirisi yok
ÖNDER ERYILMAZ
Yüksek Lisans
Türkçe
2017
Onkolojiİstanbul ÜniversitesiTemel Onkoloji Ana Bilim Dalı
PROF. DR. SEMRA DEMOKAN
- Meme kanseri tanısıyla takip edilen ve antihormonal tedavi uygulanan kadınlarda klinik periodontal durum ve serum tümör belirteçleri arasındaki ilişkinin değerlendirilmesi
Evaluation of the relationship between clinical periodontal status and serum tumor markers in women diagnosed with breast cancer and antihormonal treatment
AYŞİN TUNÇ
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiKaradeniz Teknik ÜniversitesiPeriodontoloji Ana Bilim Dalı
PROF. DR. ESRA BALTACIOĞLU