Geri Dön

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

PDF İndir

  1. Tez No: 900475
  2. Yazar: SURA ALFADHLI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ŞÜKRÜ KİTİŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Kütahya Dumlupınar Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 109

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

  1. Tez No

    896409

    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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖNDER YAKUT

  2. Tez No

    633878

    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

    Türkçe

    2020

    BiyoistatistikHacettepe Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. ERDEM KARABULUT

  3. Tez No

    477678

    A decision support system based on content-based image retrieval for breast cancer diagnosis

    Meme kanseri tanısı için içerik tabanlı görüntü erişimine dayanan bir karar destek sistemi

    NUH ALPASLAN

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DAVUT HANBAY

    PROF. DR. PRABİR BHATTACHARYA

  4. Tez No

    869676

    Akciğer kitlelerinde transtorasik ince iğne aspirasyon biyopsisi (TTİİAB) öncesi pnömotoraks öngörülebilirliğinin derin öğrenme yöntemi ile değerlendirilmesi

    Evaluation of pneumothorax predictionability by deep learning method before transtoraci̇c fi̇ne needle aspirati̇on biopsy (TTİİAB) in lung masses

    VUSAL MAMMADLI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Radyoloji ve Nükleer Tıpİstanbul Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. ŞÜKRÜ MEHMET ERTÜRK

  5. Tez No

    843497

    Obtain anterior/posterior position of the tumor through machine learning

    Makine öğrenme yoluyla tümörün anterior/posterior pozisyonunu elde edin

    GOLSHAN GHOLAMPOUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik-Haberleşme Eğitimi Ana Bilim Dalı

    PROF. DR. İBRAHİM AKDUMAN

Geri Dön