Konvolüsyonel sinir ağları ve meta-sezgisel yöntemlerle kolon kanseri tespiti
Colon cancer detection with convolutional neural networks and meta-heuristic methods
- Tez No: 945215
- Danışmanlar: DR. ÖĞR. ÜYESİ LEVENT CUHACI
- Tez Türü: Tıpta Uzmanlık
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Bittern Optimization, Colon Cancer, Convolutional Neural Networks (CNN), Feature Selection
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Kültür Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Matematik ve Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Bu araştırma, kolon kanserinin tanısında kullanılmak üzere, özellik çıkarımı için Evrişimli Sinir Ağları (CNN) ile özellik seçimi ve sınıflandırma için Acıbalık (Bitterling Fish) Optimizasyon algoritmasının bir araya getirildiği özgün bir yöntem sunmaktadır. CNN, kolonoskopi görüntülerinden karmaşık özellikleri etkili biçimde çıkartmakta; BFO algoritması ise bu özellikler arasından en anlamlı olanları optimize ederek seçmektedir. Elde edilen bu özellikler daha sonra Destek Vektör Makineleri (SVM), Karar Ağaçları, Topluluk Yöntemleri (Ensemble), Naive Bayes, Lojistik Regresyon ve En Yakın Komşu (KNN) gibi çeşitli makine öğrenimi sınıflayıcıları aracılığıyla sınıflandırılmaktadır. Sınıflayıcıların başarımı duyarlılık, özgüllük, kesinlik, doğruluk ve F1 skoru temel alınarak değerlendirilmiştir. Elde edilen sonuçlar, özellik çıkarımı için CNN ile özellik seçimi amacıyla BFO algoritmasının birleştirilmesinin sınıflandırma doğruluğunu ve güvenilirliğini önemli ölçüde artırdığını göstermektedir. Özellikle, VGGNet tabanlı BFO algoritması ile yapılan ve SVM sınıflayıcısı kullanılarak değerlendirilen model, üstün bir performans sergilemiştir. Bu model %98,66 duyarlılık, %97,77 özgüllük, %97,76 kesinlik ve %98,21 genel doğruluk ile F1 skoru elde etmiştir. Bu bulgular, kolon kanseri tanısında VGGNet tabanlı BFO yaklaşımının üstün başarımını açıkça ortaya koymaktadır. Anahtar Kelimeler : Acıbalık Optimizasyonu, Kolon Kanseri, Evrişimli Sinir Ağları (CNN), Özellik Seçimi.
Özet (Çeviri)
This research presents a novel method for diagnosing colon cancer by combining convolutional neural networks (CNN) for feature extraction with the Bitterling Fish Optimization algorithm for feature selection and classification. CNN effectively extracts complex features from colonoscopy images, which are optimized by the BFO algorithm to select the most relevant ones. These features are subsequently classified using various machine learning classifiers, including Support Vector Machines (SVM), Decision Trees, Ensemble methods, Naive Bayes, Logistic Regression, and K-Nearest Neighbors (KNN). Classifier performance is evaluated based on sensitivity, specificity, precision, accuracy, and F1 score. Results show that combining CNN for feature extraction with BFO for feature selection significantly enhances classification accuracy and reliability. Specifically, the VGGNet-based BFO algorithm evaluated using the SVM Classifier demonstrated exceptional performance. The model achieved a sensitivity of 98.66%, specificity of 97.77%, precision of 97.76%, and an overall accuracy and F1 score 98.21%. These results underscore the superior performance of the VGGNet-based BFO approach for colon cancer diagnosis.
Benzer Tezler
- Meta-sezgisel algoritmalar ile konvolüsyonel sinir ağı mimarisinin hiper parametrelerinin optimizasyonu
Optimization of hyper parameters of convolutional neural network architecture with meta-heuristic algorithms
MUSTAFA YURDAKUL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Facial action unit detection in videos using deep neural networks
Video görüntülerinde derin sinir ağları tabanlı yüz eylem birimi tespiti
SİMGE AKAY
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NAFİZ ARICA
- Konvolüsyonel yapay sinir ağları ve ileri görüntü işlemeteknikleri ile tehlikeli madde tespiti ve sınıflandırılması
Dangerous material detection and classification withconvolutionary artificial neural networks and image processing techniques
MUHAMMED EMİN URLU
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT HÜSNÜ SAZLI
- Konvolüsyonel yapay sinir ağları ve görüntü işleme teknikleri ile biyomedikal görüntülerden diyabetik retinopati teşhisi
Diabetic retinopathy diagnosis using convolutional artificial neural networks and image processing techniques
ALAEDDİN TÜRKMEN
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT HÜSNÜ SAZLI