Kanser sınıflandırması için hibrit modeller: Konvolüsyonel sinir ağlarının transformatörlerle birleştirilmesi
Hybrid models for cancer classification: Combining convolutional neural networks with transformers
- Tez No: 885599
- Danışmanlar: PROF. DR. ŞAHİN EMRAH
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Meme kanseri (MK), en yaygın ve en ölümcül malignite türlerinden biridir ve ister zengin ister az gelişmiş ülkelerde yaşıyor olsunlar, küresel olarak kadınlar arasındaki kayıpların önemli bir yüzdesini oluşturmaktadır. MK tespiti için, ultrasonografi ile birlikte radyografi yaygın görüntüleme teknikleridir. Bunlarla birlikte kanser histopatolojisi görüntüleri kullanılmaktadır. Kanser histopatolojisi görüntülerinin, yalnızca bir tümörün varlığını tespit edebilen ve kanserin iyi huylu veya kötü huylu olup olmadığını belirleyebilen radyografi ve ultrason görüntülerinin aksine, meme kanserinin spesifik alt türlerini belirleme kapasitesi vardır. Evrişimli sinir ağları on yılı aşkın bir süredir görüntü sınıflandırılmasında çok önemli bir rol oynamaktadır. Son zamanlarda, görüntü dönüştürücüler çeşitli bilgisayarla görme görevlerinde evrişimli sinir ağlarına (CNN'ler) karşı güçlü rakipler olarak ortaya çıkmıştır. Tıbbi görüntülerin sınıflandırılmasında hem konvolüsyonel sinir ağlarının (CNN'ler) hem de Swin dönüştürücü avantajlarından yararlanarak meme kanseri histopatoloji görüntülerinin sekiz alt sınıfını sınıflandırmak için dört yeni hibrit model önerdik. Önerdiğimiz modellerden MobileNetV2-Swin hibrit modeli, çok sınıflı sınıflandırma için %95.7 ile en yüksek test doğruluğunu elde ederken, bunu %94.4 ile DenseNet121-Swin hibrit modeli ve %91.5 ile VGG16-Swin hibrit modeli takip etmiştir. InceptionV3-Swin hibrit modeli %90.0 test doğruluğu ile sonuncu olmuştur.
Özet (Çeviri)
Breast cancer (BC) is one of the most prevalent and deadliest sorts of malignancies, accounting for a significant percentage of casualties among women globally, regardless of whether they are living in wealthy or underdeveloped countries. For BC detection, radiography along with ultrasonography are common imaging techniques. In addition, cancer histopathology images are used. Cancer histopathology images provide the capacity to identify the specific subtypes of breast cancer, in contrast to radiography and ultrasound images, which can only ascertain the presence of a tumor and establish if the cancer is benign or malignant. Convolutional neural networks have been crucial in image categorization for over a decade. In recent times, vision transformers have emerged as strong contenders to convolutional neural networks (CNNs) in several computer vision tasks. We proposed four new hybrid models to classify eight subclasses of breast cancer histopathology images by leveraging the advantages of both convolutional neural networks (CNNs) and Swin transformers in classifying medical images. Among the models we proposed the MobileNetV2-Swin hybrid model scored the highest test accuracy of 95.7% for multiclass classification, followed by the DenseNet121-Swin hybrid model at 94.4% and the VGG16-Swin hybrid model at 91.5%. The InceptionV3-Swin hybrid model came in last with 90.0% test accuracy.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Cilt kanseri sınıflandırması için hibrit derin öğrenme modellerinin geliştirilmesi
Development of hybrid deep learning models for skin cancer classification
İBRAHİM ARUK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET NUSRET TOPRAK
- Gen setleri ve görüntü kullanılarak hibrit derin sinir ağı ile kanserlerin erken ve geç evre sınıflandırması
Classification early- and late-stage cancers with hybrid deep neural network using gene sets and images
ALINA AMANZHOLOVA
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYSUN COŞKUN
- Meme kanseri histopatolojik görüntülerinin derin öğrenme yöntemleriyle sınıflandırılması
Classification of breast cancer histopatological images using deep learning methods
KADİR CAN BURÇAK
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN UĞUZ
- Transfer öğrenmesi tabanlı hibrit evrişimsel sinir ağı modelleri kullanılarak meme kanseri teşhisi
Breast cancer detection using transfer learning based hybrid convolutional neural network models
CHINGIZ SEYIDBAYLI
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiYıldız Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CENK ULU