Employ the wavelet transforms and artificial neural networks for early detection and classification of breast canser based on statistical features of medical images
Tıbbi görüntülerin istatistiksel özelliklerini kullanarak dalgacık dönüşümü ve yapay sinir ağları yardımıyla meme kanserinin erken teşhisi ve sınıflandırılması
- Tez No: 911181
- Danışmanlar: PROF. DR. BÜLENT ÇELİK, DR. ÖĞR. ÜYESİ RİZGAR MAGHDED AHMED
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 136
Özet
Bu çalışmada, makine öğrenmesi ile dijital meme kanseri görüntülerinin (iyi huylu ve kötü huylu) teşhis ve sınıflandırılması amaçlanmıştır. Çalışmada 150 dijital görüntüden oluşan bir veri seti kullanılmıştır. Mamografi görüntülerinde ilgilenilen bölgeye ilişkin istatistik ve geometrik ölçümler (Ortalama, Standart Sapma, Entropi, Solidite, Feret gibi) ImageJ yazılımı kullanılarak elde edilmiştir. ImageJ yazılımdan elde edilen ölçümler açımlayıcı faktör analizi ve bağımsız gruplar t-testi ile incelenerek anlamsız özellikler çıkarılmıştır. Önemli özellikler kullanılarak önce yapay sinir ağları ile daha sonra ayrık dalgacık dönüşümü uygularak iyi huylu ve kötü huylu meme kanserinin sınıflandırılması yapılmıştır. Sınıflandırma doğrulukları karmaşıklık matrisi, Kappa istatistiği ve ROC eğrileri ile değerlendirilmiştir. Ayrık dalgacık dönüşümü uygulanmadan önce yapay sinir ağları ile elde edilen sınıflandırma doğruluğu %82,22 iken, ayrık dalgacık dönüşümü uygulandıktan sonra yapay sinir ağlarının sınıflandırma performansı artmış ve sınıflandırma doğruluğu %93,2'ye ulaşmıştır. Ayrıca meme kanserinin sınıflandırlmasında Image J yazılımından elde edilen height, entropi, feret ve Intden özellikleri en önemli özellikler olduğu sonucuna varılmıştır. Bu tez çalışmasında verileri elde etme ve analizinde Image J, R ve MATLAB yazılımları kullanılmıştır.
Özet (Çeviri)
This dissertation deals with the application of machine learning to diagnose and classify digital images of breast cancer (benign and malignant), utilizing a dataset of 150 digital images. Based on the Artificial Neural Networks (ANN), Wavelet Transformation (WT), and a set of statistical and geometric measures (Mean, Standard Deviation, Entropy, Solidity, Feret….), which are extracted from the shape (benign and malignant) of digital images, through using (t-test and factor analysis), after extracting the data from all the images. Our methodology involves using Artificial Neural Networks (ANN) to classify variables, both before and after applying the Wavelet transform to the dataset. We successfully identified essential variables that influence the diagnosis of various mass shapes. After applying the Wavelet transform, our study showed a significant improvement in the ANN model's performance, with the classification accuracy increasing from (82.2%) to (93.18%), as measured by (kappa and ROC curves). These findings highlight the significance of our research in the field of breast cancer diagnosis and classification. Furthermore, we identify specific measurements, such as (height, entropy, and Feret), primary in shaping the diagnostic process. These metrics emerge as significant determinants influencing the accurate classification of tumor shapes and contributing to improved breast cancer diagnosis. Implementing our research involves utilizing (R, Spss, ImageJ, and MATLAB), which enable comprehensive data processing and analysis.
Benzer Tezler
- Identification and localization of high impedance faults in distribution networks
Dağıtım şebekelerindeki yüksek empedans arızaların tespiti ve konumunun belirlenmesi
EREN BAHARÖZÜ
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SUAT İLHAN
DR. ÖĞR. ÜYESİ GÜRKAN SOYKAN
- Geliştirilen önişlemeli?sinir ağı modelleri ile yetişkin insanlarda uyku apne ve çeşitlerinin teşhisi
Estimation and classification of sleep apnea in adults by developed preprocessing?neural network models
NECMETTİN SEZGİN
Doktora
Türkçe
2010
Elektrik ve Elektronik Mühendisliğiİnönü ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET EMİN TAĞLUK
- Derin öğrenme tabanlı görüntü gürültü giderme için yoğun bağlantı kullanan yeni yaklaşımlar
Densely connected structures in deep learning based image denoising
VEDAT ACAR
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Derin öğrenme algoritmalarına dayalı travma sonrası stres bozukluğunun tahmini
Prediction of post-traumatic stress disorder based on deeplearning algorithms
PARISA EBRAHIMPOUR MOGHADDAM TASOUJ
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SOYSAL
PROF. DR. OSMAN EROĞUL
- Condition monitoring and fault detection for electrical power systems using signal processing and machine learning techniques
Sı̇nyal ı̇şleme ve makı̇ne öğrenme teknı̇klerı̇ kullanılarak elektrı̇k güç sı̇stemleri ı̇çı̇n durum ı̇zleme ve arıza belirleme
YASMIN NASSER MOHAMED
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER