Meme kanseri ve akciğer kanserinin derin öğrenme modelleri ile analizi ve yorumlanması
Analysis and interpretation of breast cancer and lung cancer with deep learning models
- Tez No: 900475
- Danışmanlar: DR. ÖĞR. ÜYESİ ŞÜKRÜ KİTİŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Görüntü işleme yöntemleri, Image processing methods
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Meme kanseri ve akciğer kanseri dünyada en sık görülen kanser türleri arasında yer alıyor. İnvaziv duktal karsinom (IDC), tüm meme kanserlerinin en yaygın alt tipidir. Patologlar, IDC'leri içeren bölgelere odaklanır. Bu çalışmada, derin öğrenme algoritmaları kullanılarak hazırlanan bir veri seti üzerinde hastalık tahmini. gerçekleştirilmiş ve model, genellikle bilgisayarlı görü görevleri için kullanılan CNN üzerinde kurulmuştur. Kullanılan veri setinde 279 kadın hastadan alınan 277,524 örnek değerlendirilmiştir. Bu verilerin 198,738'i IDC negatif ve 78,786 IDC örneği pozitifti. Bu çalışmada görüntü işleme için CNN Model 1, CNN Model 1 with İmage Generation, CNN Model 2, CNN Model 2 with İmage Generation ve CNN Model VGG16 uygulanmıştır. Uygulanan bu beş model içerisinde doğruluk açısından en yüksek değer 0.81 ile birinci CNN modelinde elde edilmiştir. Aynı işlemler akciğer kanseri veri setine (110 hasta, 1190 görüntü, 40 malign, 15 benign, 55 normal) uyarlandığında ilk CNN modeli 0,97 doğruluğa ulaşmıştır. Bu sonuçlar bu modelin meme ve akciğer kanseri tanı ve tedavisi için görüntü işleme açısından başarılı olduğunu göstermektedir. Bu araştırma, yapay zekanın meme ve akciğer kanserinin tespitindeki rolünden yararlanarak erken ve doğru teşhisi destekleyen, mortaliteyi azaltan ve başarıyı sağlayan interaktif bir sistem kullanmayı amaçlamaktadır.
Özet (Çeviri)
Breast cancer and lung cancer are among the most common types of cancer in the world. Invasive ductal carcinoma (IDC) is the most common subtype of all breast cancers. Pathologists focus on regions containing IDCs in this study, disease prediction was performed on a data set prepared using deep learning algorithms and the model was built on CNN, which is generally used for computer vision tasks. In the dataset used, 279 women were examined and 277,524 samples were extracted. 198,738 of these data are IDC negative and 78,786 IDC positive samples. In this study, CNN Model 1, CNN Model 1 with Image Generation, CNN Model 2, CNN Model 2 with Image Generation and CNN Model VGG16 were applied for image processing. Among these five models applied, the highest value in terms of accuracy was obtained in the first CNN model with 0.81. The same procedures were applied to the lung cancer dataset (110 patients, 1190 images, 40 malignant, 15 benign, 55 normal) when adapted, the first CNN model reached 0.97 accuracy. These results show that this model is successful in image processing for the diagnosis and treatment of breast and lung cancer. This research aims to use an interactive system that supports early and accurate diagnosis, reduces mortality and ensures success by taking advantage of the role of artificial intelligence in the detection of breast and lung cancer.
Benzer Tezler
- Breast cancer diagnosis in histopathological images using autoencoder-enhanced convolutional neural network
Histopatolojik görüntülerde meme kanseri teşhisi için otokodlayıcı ile geliştirilmiş evrişimsel sinir ağı kullanımı
İSMAİL İÇME
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Meme kanserinin histopatolojik görüntüler üzerinde derin sinir ağları kullanılarak bilgisayar destekli otomatik tespiti
Computer-aided automatic detection of breast cancer using deep neural networks on histopathological images
ZAFER SERİN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE DANDIL
- Derin topluluk öğrenmesi modeli ile histopatolojik görüntüler üzerinde çok sınıflı kanser teşhisi
Multi-class cancer diagnosis on histopathological images with deep ensemble learning model
GİZEM YILDIZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖNDER YAKUT
- Mikrodizi gen ifade verilerinde farklı öznitelik seçim yöntemleri ile sınıflama yöntemlerinin performanslarının değerlendirilmesi
The effect of feature selection methods on the success of classification methods in microarray gene expression data
ÖZLEM ARIK
Doktora
Türkçe
2020
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. ERDEM KARABULUT