Mamografi görüntüleri kullanılarak resnet modelleri ile meme kanseri teşhisi
Breast cancer diagnosis with resnet models using mammography images
- Tez No: 888718
- Danışmanlar: DOÇ. DR. KADİR SABANCI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Meme kanseri, dünya genelinde ölüm oranı yüksek kanser türlerinden biridir. Bu ölüm oranını azaltmak için erken teşhis büyük önem taşımaktadır. Bilgisayar destekli erken tanı sistemleri doktorların daha kesin ve hızlı karar vermelerini sağlamaktadır. Bu çalışmada Mammographic Image Analysis Society (MIAS) veri kümesi kullanılmıştır. Mamografi görüntülerinde maskeleme yapılarak meme bölgesi seçilmiştir. Veri artırma teknikleri kullanılarak görüntü sayısı artırılmıştır. Mamografi görüntüleri, dört farklı ResNet modeli kullanılarak normal, iyi huylu ve habis olarak sınıflandırılmıştır. En yüksek sınıflandırma doğruluğu %93,83 ile ResNet18 modeli kullanılarak elde edilmiştir. ResNet50, ResNet101 ve ResNet152 ile elde edilen doğruluk değerleri sırasıyla %87,24, %87,44 ve %91,25'tir. Daha sonra en yüksek sınıflandırma doğruluğunun elde edildiği ResNet18 modelinin son katmanından 512 adet derin özellik çıkartılmıştır. Bu özellikler farklı çekirdek fonksiyonları ile Destek Vektör Makinaları kullanılarak yeniden sınıflandırılmıştır. ResNet18+SVM yöntemi ile %99,6 sınıflandırma doğruluğu elde edilmiştir.
Özet (Çeviri)
Breast cancer is one of the cancer types with a high mortality rate worldwide. Early detection is crucial to reduce this mortality rate. Computer-aided early detection systems enable doctors to make more precise and faster decisions. In this study, Mammographic Image Analysis Society (MIAS) dataset was used. Mammography images were masked and breast region was selected. The number of images was increased by using data augmentation techniques. Mammography images were classified as normal, benign and malignant using four different ResNet models. The highest classification accuracy was obtained using ResNet18 model with 93.83%. The accuracies obtained with ResNet50, ResNet101 and ResNet152 were 87.24%, 87.44% and 91.25%, respectively. Then, 512 deep features were extracted from the last layer of the ResNet18 model where the highest classification accuracy was obtained. These features were reclassified using Support Vector Machines with different kernel functions. A classification accuracy of 99.6% was obtained with the ResNet18+SVM method.
Benzer Tezler
- 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
- Akciğer bilgisayarlı tomografisinde insidental saptanan meme nodüllerinin evrişimli sinir ağları ile benign-malign olarak sınıflandırılması
Classification of breast nodules detected incidental in lung computerized tomography and as benign-malign with conversion neural networks
ZİŞAN ERTUNÇ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiYapay Zeka Ana Bilim Dalı
DOÇ. DR. İBRAHİM ÖNDER YENİÇERİ
- Mamografi sistemlerinde farklı tipte meme fantomları kullanılarak ortalama glandüler dozun lüminesans dozimetrelerle belirlenmesi ve okuma parametrelerinin belirlenmesi
Evaluation of mean glandular dose by luminescence dosimeters using different types of breast phantoms in mammography systems and determination of reading parameters
AKAY ABACIGİL
Yüksek Lisans
Türkçe
2020
Radyoloji ve Nükleer TıpAnkara ÜniversitesiMedikal Fizik Ana Bilim Dalı
DOÇ. DR. EREN ŞAHİNER
- Mamografi görüntüleri kullanılarak glandülerite/yağ oranlarının belirlenmesi ve epoksi esaslı meme dokusu eşdeğer fantomun X-ışın spektroskopisi ile karakterizasyonu
Determination of the glandularity/adipose ratio by using mammographic images and X-ray spectroscopic characterization of breast tissue equivalent phantom based on epoxy
GİZEM YEĞİN
Yüksek Lisans
Türkçe
2017
Fizik ve Fizik MühendisliğiAnkara ÜniversitesiMedikal Fizik Ana Bilim Dalı
PROF. DR. HALUK YÜCEL
YRD. DOÇ. DR. ÖZLEM BİRGÜL
- Prediction breast cancer in fine needle aspiration images using machine learning
Makine öğrenmeyi kullanarak ince iğne aspirasyon görüntülerinde meme kanseri tahmini
LAYTH ADNAN MAJEED ALABDALI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN