Geri Dön

Göğüs kanseri veri setinin GAN mimarisi ile sentetik olarak elde edilmesi

Synthetic generation of breast cancer data set using GAN architecture

PDF İndir

  1. Tez No: 885642
  2. Yazar: DİLŞAT BERİN AYTAR
  3. Danışmanlar: PROF. DR. SEMRA GÜNDÜÇ
  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: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

Özet

Bilgi çağı olan günümüzde veri, özellikle teknolojinin hızla ilerlemesiyle birçok alanda kritik bir kaynak haline gelmiştir. Veri doğru bir şekilde toplandığında, düzenlendiğinde ve analiz edildiğinde, birçok sektörde etkili kararlar almak, süreçleri iyileştirmek ve başarı elde etmek için güçlü bir araç haline gelir. Gerçek verinin kısıtlılığı, etiketlenmiş verinin elde edilmesinin maliyetli olması, bazı durumlarda ve alanlarda gizlilik ve güvenlik endişeleri gibi sebepler sentetik verilere ihtiyaç duyulmasına sebep olmuştur. Sentetik veriler, özellikle sağlık alanında hassaslık ve gizlilik endişeleri, yasal düzenlemeler, etik ve güvenliğin sağlanmaya çalışılması gibi nedenlerden dolayı önemli bir araçtır. Sentetik veri üretme amacıyla derin öğrenme modeli olan GAN (Generative Adversarial Networks) ortaya çıkmıştır. Bu tez çalışmasında Göğüs Histopatolojisi veri seti kullanılarak bir GAN çeşidi olan MSG-GAN (Multi-Scale Gradients for Generative Adversarial Networks) ile kanser tespitinde yarar sağlamak amacıyla iyi huylu ve kötü huylu etiketli sentetik yama görselleri oluşturulmuştur. Sonrasında gerçek ve sentetik veriler ResNet18 modeli kullanılarak Aktarımlı Öğrenme ile sekiz farklı senaryoda sınıflandırılmıştır. Çalışma sonucunda, elde edilen metrik sonuçlarına göre sentetik verilerin, gerçek dünya verilerine olan benzerliği ve gerçek dünya verilerini yansıtıp yansıtmadığı tespit edilmeye çalışılmıştır.

Özet (Çeviri)

In today's information age, data has become a critical resource in many areas, especially with the rapid advancement of technology. When data is collected, organized and analyzed correctly, it becomes a powerful tool for making effective decisions, improving processes and achieving success in many industries. Reasons such as the limitations of real data, the cost of obtaining labeled data, and privacy and security concerns in some cases and areas have led to the need for synthetic data. Synthetic data is an important tool, especially in the field of health, for reasons such as sensitivity and privacy concerns, legal regulations, ethics and security. GAN (Generative Adversarial Networks), a deep learning model, has emerged for the purpose of generating synthetic data. In this thesis study, benign and malignant labeled synthetic patch images were created with MSG-GAN (Multi-Scale Gradients for Generative Adversarial Networks), a type of GAN, using the Breast Histopathology dataset to provide benefit in cancer detection. Afterwards, real and synthetic data were classified into eight different scenarios with Transfer Learning using the ResNet18 model. As a result of the study, according to the metric results obtained, it was tried to determine whether the synthetic data is similar to real data and whether it reflects real data.

Benzer Tezler

  1. Tez No

    549184

    Breast cancer data classification using SVM, NB and KNN algorithms

    SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması

    BURCU MERAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. KAMİL ORUÇOĞLU

  2. Tez No

    847190

    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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Tez No

    732967

    Medikal görüntülerin ön-eğitilmiş derin öğrenme modelleriyle sınıflandırılmasında metasezgisel optimizasyon algoritmalarıyla öznitelik seçimi performanslarının karşılaştırılması

    Comparison of feature selection performances using metaheuristic optimization algorithms in classification of medical images with pre-trained deep learning models

    MELİSA BİÇER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAMZA EROL

  4. Tez No

    725335

    Microwave dielectric property characterization with open-ended coaxial probe and sensing depth analysis of the probes for biological tissues

    Açık uçlu koaksiyel prob ile mikrodalga dielektrik özellik tanımlaması ve biyolojik dokular için probların algılama derinlik analizi

    CEMANUR AYDINALP

    Doktora

    İngilizce

    İngilizce

    2022

    Biyomühendislikİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUBA YILMAZ ABDOLSAHEB

  5. Tez No

    306881

    Bayes gaussian classification of wisconsin breast cancer database

    Wisconsin göğüs kanseri veri tabanının bayes gaussian sınıflandırılması

    MOZHGAN MOAZZEN ZADEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    YRD. DOÇ. METEHAN MAKİNACI

Geri Dön