Geri Dön

Multilevel and multiscale cnn for accurate localization and classification of breast lesions

Meme lezyonlarının doğru lokalizasyonu ve sınıflandırılması için çok seviyeli ve çok ölçekli cnn

  1. Tez No: 889658
  2. Yazar: AHMED DHAHI MOHAMMED MOHAMMED
  3. Danışmanlar: DR. ÖĞR. ÜYESİ DURSUN EKMEKCİ
  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: İngilizce
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 66

Özet

Yetişkin kadınlar arasında kansere bağlı ölümlerin önde gelen nedenidir. Sosyal ve ekonomik gelişme düzeyleri farklı olan ülkelerde gelişigüzel görülmesine rağmen, erken teşhis teknolojilerine sınırlı erişim nedeniyle ölüm oranları, gelişmekte olan ve az gelişmiş ülkelerde oldukça yüksek olmaya devam ediyor. Klinik açıdan bakıldığında mamografi, yaygın kullanımı ve görüntülere yönelik yorumlayıcı aşinalık nedeniyle en etkili tanı teknolojisi olmayı sürdürüyor. Bu çalışma, görüntülerdeki ilgilenilen bölgeleri kullanarak mamografik lezyonları tespit etmek ve sınıflandırmak için bir yöntem sunmaktadır. Bu araştırma sayesinde YOLO modelinin bu konuya yönelik yeteneklerini geliştirmeye çalışıyoruz. Anahtar Kelimeler : Lezyon tespiti, Meme Kanseri, YOLO, CNN, Veri artırma

Özet (Çeviri)

Breast cancer stands as the leading cause of cancer-related fatalities among adult women globally, as stated by the World Health Organization. Despite its indiscriminate occurrence across countries with varying levels of social and economic development, mortality rates remain notably high in developing and underdeveloped nations due to limited access to early detection technologies. From a clinical standpoint, mammography remains the most effective diagnostic technology, owing to its widespread use and interpretative familiarity with the images. This study introduces a method for detecting and classifying mammographic lesions by utilizing regions of interest within the images. Through this research, we strive to enhance the capabilities of YOLO model against this topic. Keywords : Lesion detection, Breast Cancer, YOLO, CNN, Data augmentation

Benzer Tezler

  1. Implementation of a broadband multilevel fast multipole algorithm for multiscale electromagnetics problems

    Geniş bantlı çok-seviyeli hızlı çokkutup yönteminin çok-ölçekli elektromanyetik problemler için gerçekleştirilmesi

    MANOUCHEHR TAKRIMI

    Doktora

    İngilizce

    İngilizce

    2016

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VAKUR BEHÇET ERTÜRK

    DOÇ. DR. ÖZGÜR SALİH ERGÜL

  2. Fast and efficient solutions of multiscale electromagnetic problems

    Çok ölcekli elektromanyetik problemlerin hızlı ve verimli çözümü

    BAHRAM KHALICHI

    Doktora

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. VAKUR BEHÇET ERTÜRK

    DOÇ. DR. ÖZGÜR SALİH ERGÜL

  3. Çok-düzeyli kodlama/çok-aşamalı kod çözme tekniğinin incelenmesi ve frekans/faz kaydırmalı anahtarlama modülasyonuna uygulanması

    Multilevel coding/multistage decoding and its application to frequency/phase shift keying modulation

    İBRAHİM ALTUNBAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    1992

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    YRD. DOÇ. DR. ÜMİT AYGÖLÜ