Mammogram görüntülerinden derin öğrenme yöntemleri ile meme kanseri teşhisi
Breast cancer diagnosis with deep learning methods from mammogram images
- Tez No: 884772
- Danışmanlar: PROF. DR. ARİF GÜLTEN
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Devreler ve Sistemler Bilim Dalı
- Sayfa Sayısı: 119
Özet
Meme kanserinde ölüm oranını düşürebilmek için erken tespit ve tanı çok önemlidir. Bu sebeple de meme kanseri görüntüleme yöntemlerinden biri olan mammogram görüntülerini doğru olacak bir şekilde incelemek gerekmektedir. Yüksek doğruluk oranını ve daha hızlı mammogram görüntülerinin sınıflandırılması içi çeşitli yöntemler geliştirilmiştir. Bu çalışmanın amacı da mammogram görüntülerinin sınıflandırılması için derin öğrenme yöntemlerini kullanarak yüksek doğruluk oranı ve hızı sağlamaktır. Bunun içinde derin öğrenme yöntemlerini kullanarak sınıflandırma yapmadan önce, görüntü işleme adımında görüntü filtreleme ve histogram eşitleme yöntemleri ile yüksek doğruluk oranı sağlanabilir. Bu çalışmada DDSM, Inbreast, MIAS veri setlerine ait 20000 adet mammogram görüntüsü kullanılmıştır. Kullanılan derin öğrenme yöntemleri ise VGG16,VGG19, ResNet50'dir. Kullanılan görüntü filtreleme yöntemleri ise medyan filtre, ikili filtre, averaj filtre, gauss filtreleridir. Ayrıca histogram eşitleme için de klasik histogram eşitleme ve kontrast limitli adaptif histogram eşitleme kullanılmıştır. Ağın oluşturulması için ise transfer öğrenme ve ince ayar yöntemleri uygulanarak yüksek doğruluk oranı sağlanmıştır. En iyi sonucun %99.93 doğruluk oranında olduğu görülmektedir. Bu doğruluk değeri mammogram görüntülerinin sınıflandırılması için çok yüksek bir değerdir. Bu doğruluk değerini sağlayan yöntemler ise VGG16 transfer öğrenme ağının averaj filtrenin mamogram görüntüsüne uygulanmış halinin kullanılması , VGG16 transfer öğrenme ağının medyan filtre ile klasik histogram eşitleme yönteminin mammogram görüntüsüne uygulanmış halinin kullanılması, VGG19 transfer öğrenme yönteminin medyan filtrenin mamogram görüntüsüne uygulanmış halinin kullanılması ile oluşan yöntemlerdir. Sonuçlara bakıldığında histogram eşitleme ve görüntü filtreleme yöntemlerinin mammogram görüntüsünün derin öğrenme yöntemleri ile sınıflandırılmasında olumlu yönde etki ettiği görülmektedir.
Özet (Çeviri)
Early detection and diagnosis is very important to reduce the mortality rate in breast cancer. For this reason, it is necessary to accurately analyze mammogram images, one of the breast cancer imaging methods. Various methods have been developed to achieve high accuracy and faster classification of mammogram images. The aim of this study is to provide high accuracy and speed by using deep learning methods for the classification of mammogram images. In order to achieve high accuracy rate, image filtering and histogram equalization methods can be used in the image processing step before classification using deep learning methods. In this study, 20000 mammogram images from DDSM, Inbreast, MIAS datasets were used. The deep learning methods used are VGG16, VGG19, ResNet50. The image filtering methods used are median filter, binary filter, averaging filter, gaussian filter. In addition, classical histogram equalization and adaptive histogram equalization with contrast limit were used for histogram equalization. Transfer learning and fine-tuning methods were applied to construct the network, resulting in high accuracy. The best result was 99.93% accuracy. This accuracy is very high for the classification of mammogram images. The methods that provide this accuracy value are VGG16 transfer learning network with the use of averaging filter applied to the mammogram image, VGG16 transfer learning network with the use of median filter and classical histogram equalization method applied to the mammogram image, VGG19 transfer learning method with the use of median filter applied to the mammogram image. The results show that histogram equalization and image filtering methods have a positive effect on the classification of mammogram images with deep learning methods.
Benzer Tezler
- Derin öğrenme yöntemleri kullanılarak dijital mamografiden kitle bölütlemesi
Mass segmentation from digital mammograms using deep learning methods
ENDER EMRE ETİZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VOLKAN MÜJDAT TİRYAKİ
- Derin öğrenme yöntemleri kullanılarak meme kanseri teşhisi
Diagnoses of breast cancer using deep learning techniques
PEREN JERFİ CANATALAY
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Derin öğrenme ile mammogram görüntülerindeki lezyonların tespiti ve sınıflandırılması
Detection and classification of lesions in mammogram images with deep learning
YAVUZ BİÇİCİ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SALİM CEYHAN
DR. ÖĞR. ÜYESİ SÜLEYMAN UZUN
- Tıbbi görüntü işlemede kapsül ağlar
Capsule networks in medical image processing
AHMET SOLAK
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAHİME CEYLAN
- A decision support system based on content-based image retrieval for breast cancer diagnosis
Meme kanseri tanısı için içerik tabanlı görüntü erişimine dayanan bir karar destek sistemi
NUH ALPASLAN
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. DAVUT HANBAY
PROF. DR. PRABİR BHATTACHARYA