Vision transformer supportedkolmogorov-arnold networks for survivalprediction in lung cancer patients
Akciğer kanseri hastalarında sağkalımtahmini için görü dönüştürücü desteklikolmogorov-arnnold ağları
- Tez No: 930586
- Danışmanlar: DOÇ. DR. MEHMET TURAN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 44
Özet
Akciğer kanseri, dünya çapında en yaygın ve ölümcül kanser türlerinden biridir ve çevresel faktörler, yaşam tarzı seçimleri ve genetik tarafından etkilenir. Kanser araştırmalarında, akciğer kanseri hastalarının sağkalım sonuçlarını tahmin etmenin yeni yollarını bulmak önemlidir. Patolojik tam slayt görüntüleri ve omik verilerle derin öğrenme tekniklerinin kullanılması, bu alanda önemli bir ilerlemeyi temsil eder. Bu yöntemler, sağkalım tahminlerini iyileştirir ve daha kişiselleştirilmiş tedaviler sağlar. Ancak, bu teknikler genellikle histolojik ve tabular özelliklerin karmaşıklığını yakalamakta zorlanır, bu da birçok sağkalım tahmin uygulamasında kötü performansa yol açar. Bu projede, en son derin öğrenme yöntemleri ve yenilikçi yaklaşımlar kullanarak akciğer kanseri hastalarının sağkalım tahminlerini geliştirmeyi amaçladık. Kamuya açık veri setlerini kullanarak, klinik verilerle birlikte omik verilerden yararlanarak, gelişmiş görme modelleri ve tabular verileri işlemek için yenilikçi bir Kolmogorov-Arnold ağı kullanarak, akciğer kanseri hastalarının sağkalımını tahmin etmede önerdiğimiz yöntemin üstün yeteneklerini gösterdik.
Özet (Çeviri)
Lung cancer is one of the most common and deadly forms of cancer worldwide, influenced by environmental factors, lifestyle choices, and genetics. It is crucial to find new ways to predict survival outcomes for lung cancer patients in cancer research. The use of pathological whole slide images and omic data with deep learning techniques represents a significant advancement in this field. These methods improve survival estimation and provide more personalized treatments. However, these techniques often struggle to capture the complexity of histological and tabular features, leading to poor performance in many survival prediction applications. In this project, we aimed to enhance survival predictions for lung cancer patients by employing the latest deep-learning methods and novel approaches. By using publicly accessible datasets, leveraging clinical data along with omic data, advanced vision models, and a novel Kolmogorov-Arnold network for processing tabular data, we have showcased the superior capabilities of our proposed method in estimating the survival of lung cancer patients.
Benzer Tezler
- Vision transformer tabanlı öz denetimli öğrenme ile histopatolojik görüntülerde mitoz hücrelerinin tespiti
Detection of mitosis cell in histopathological images using vit-based self-supervised learning
MUHAMMED CİHAD ARSLANOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ACAR
DOÇ. DR. ABDÜLKADİR ALBAYRAK
- Vision transformer-based physics informed CFD prediction of axial fans with self-supervised contrastive learning for enhanced geometric sensitivity
Eksenel fanlarda geometrik farklılıkların yakalanmasına yönelik kontrastif öğrenme destekli, fizik bilinçli vısıon transformer tabanlı CFD tahmini
MEHMET FATİH REYHAN
Yüksek Lisans
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHA ZAFER
- Vision transformer network implementation for multi-label image classification
Çoklu etiketli görüntü sınıflandırması için görüntü dönüştürücü ağ uygulaması
EMRE AKKAŞ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELDA GÜNEY
- Vision transformer ve retentive network yöntemleri ile görüntü üzerine dugu analizi
Image-based sentiment analysis with vision transformer and retentive network methods
VELİ DEMİR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAKUP GENÇ
- Vit-skinnet: A novel vision transformer-based ShufflenetV3 model for efficient skin cancer detection with segmentation mechanism
Vıt-skınnet: Segmentasyon mekanizması ile etkili cilt kanserinin tespiti için yeni bir vizyon transformatör tabanlı ShufflenetV3 modeli
ABDULMOHAIMEN IBRAHIM KHALEEL AL GBURI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEFER KURNAZ