Histopatolojik görüntülerden derin öğrenme tabanlı meme kanseri teşhisi
Deep learning-based breast cancer di̇agnosi̇s usi̇ng histopathological images
- Tez No: 916026
- Danışmanlar: DR. ÖĞR. ÜYESİ CÜNEYT ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Siirt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Meme kanseri histopatolojik görüntülerinin doğru sınıflandırılması, erken teşhis ve etkili tedavi süreçlerinde kritik bir rol oynamaktadır. Bu tez çalışma, meme kanseri histopatolojik görüntülerinin sınıflandırılması amacıyla özel olarak tasarlanmış bir Convolutional Neural Network (CNN) modelinin geliştirilmesini ve performans değerlendirmesini kapsamaktadır. Araştırmanın ilk aşamasında, geniş veri kümeleri üzerinde önceden eğitilmiş transfer öğrenme modelleri değerlendirilmiştir. On bir farklı transfer öğrenme modeli kullanılmış ve öğrenme oranı, kayıp fonksiyonu, optimizasyon algoritması ve veri artırma teknikleri gibi parametreler titizlikle optimize edilmiştir. Xception ve InceptionV3 modelleri sırasıyla %89,89 ve %92,17 doğruluk oranları ile en yüksek performansı göstermiştir. Buna karşılık, MobileNetV2 ve EfficientNetV2B1 modelleri daha düşük başarı oranlarına sahip olmuştur. Transfer öğrenme modellerinden elde edilen sonuçlar doğrultusunda, sınıflandırma performansını daha da artırmak amacıyla özel bir CNN modeli tasarlanmıştır. Bu model, sıkıştırma-uyarı (squeeze-excite) mekanizmaları ve grup normalleştirme teknikleri ile optimize edilmiştir. Geliştirilen CNN modeli %93,93 doğruluk, %93,93 hassasiyet ve %93,98 F1 puanı ile transfer öğrenme modellerini geride bırakarak üstün bir performans sergilemiştir.
Özet (Çeviri)
This The accurate classification of breast cancer histopathological images plays a crucial role in early diagnosis and effective treatment processes. This thesis focuses on the development and performance evaluation of a custom-designed Convolutional Neural Network model for the classification of breast cancer histopathological images. In the initial phase of the research, pre-trained transfer learning models were evaluated on large datasets. Eleven different transfer learning models were utilized, and parameters such as learning rate, loss function, optimization algorithm, and data augmentation techniques were meticulously optimized. Among these models, Xception and InceptionV3 demonstrated the highest performance with accuracy rates of 89,89% and 92.17%, respectively. In contrast, MobileNetV2 and EfficientNetV2B1 exhibited lower performance levels. Based on the results obtained from transfer learning models, a custom CNN model was designed to further enhance classification performance. This model was optimized using squeeze-excite mechanisms and group normalization techniques. The developed CNN model outperformed the transfer learning models with an accuracy of 93,93%, precision of 93,93%, and an F1 score of 93,98%, demonstrating superior performance.
Benzer Tezler
- Derin öğrenme kullanılarak histopatolojik görüntülerden invaziv duktal karsinom derecelerinin sınıflandırılması
Classification of invasive ductal carcinoma grades from histopathological images using deep learning
MEHMET FATİH SEVEN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN MÜJDAT TİRYAKİ
- Çekişmeli üretici ağlar ile gerçekçi histopatolojik görüntü üretimi ve evre tespiti
Realistic histopathology image generation and stage detection with generative adversarial networks
REYHAN DEDE
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKHAN BİLGİN
- Farklı derin öğrenme modelleri kullanarak histopatalojik görüntülerden meme tümörlerinin sınıflandırılmasında yeni yaklaşımlar
New approaches in classification of breast tumors from histopathological images using different deep learning models
SEMA NIZAM ABDULGHANI
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEYFETTİN SİNAN GÜLTEKİN
- A Deep Learning Approach for Categorizing Breast Carcinoma Histopathology Images
Meme Kanseri Histopatoloji Görüntülerinin Sınıflandırılması için bir Derin Öğrenme Yaklaşımı
TUĞÇE SENA ALTUNTAŞ
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SAMİ ARICA
DR. ÖĞR. ÜYESİ TUĞBA TOYRAN
- Breast cancer detection using microscopic histopathological images: A transfer learning approach
Mikroskobik histopatolojik görüntülerle meme kanseri tespiti: Bir transfer öğrenme yaklaşımı
BILYAMINU MUHAMMAD
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH ÖZKAYNAK