Geri Dön

Mide kanseri teşhisinde derin öğrenme ve destek vektör makinelerine dayalı hibrit model yaklaşımı

A deep learning and support vector machine-based hybrid model approach for the diagnosis of gastric cancer

PDF İndir

  1. Tez No: 962276
  2. Yazar: RÜMEYSA SALMAN
  3. Danışmanlar: DOÇ. DR. KADİR SABANCI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Karamanoğlu Mehmetbey Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 80

Özet

Mide kanseri, dünya genelinde ciddi bir sağlık sorunu olup, yüksek ölüm oranlarına sahiptir. Erken evrede teşhis edilememesi tedavi sürecini zorlaştırmakta ve ölüm riskini artırmaktadır. Bu nedenle bilgisayar destekli tanı sistemlerinin geliştirilmesi büyük önem taşımaktadır. Bu tez çalışmasında, mide kanseri hücrelerinin histopatolojik görüntüler üzerinden sınıflandırılması amacıyla hibrit bir yöntem önerilmiştir. Çalışmada, GasHisSDB veri kümesinden rastgele seçilen 5000 adet 160x160 piksel boyutunda görüntü kullanılmıştır. İlk aşamada görüntüler DenseNet169, DenseNet201, DenseNet121, ResNet50V2, ResNet152V2, MobileNet, NASNetMobile ve Xception gibi farklı derin öğrenme modelleri ile sınıflandırılmıştır. En yüksek sınıflandırma doğruluğu %90.2 ile DenseNet169 modelinden elde edilmiştir. Diğer modellerin doğruluk oranları ise DenseNet201 %88.3, DenseNet121 %88.0, ResNet50V2 %87.2, ResNet152V2 %83.3, MobileNet %75.4, NASNetMobile %73.3 ve Xception %71.1 olarak elde edilmiştir. En başarılı model olan DenseNet169'un GAP (Global Average Pooling) katmanından çıkarılan 1664 özellik ve ANOVA yöntemiyle seçilen 1024 anlamlı özellikle SVM modelleri ile yeniden sınıflandırılmıştır. Önerilen DenseNet169+Quadratic SVM modeli ile %96.2 sınıflandırma doğruluğu elde edilmiştir. Bu çalışma, derin öğrenme ile geleneksel makine öğrenmesinin birlikte kullanımının sınıflandırma başarısını önemli ölçüde artırabileceğini ortaya koymuştur.

Özet (Çeviri)

Gastric cancer is a serious health problem worldwide, with high mortality rates. Failure to diagnose it at an early stage complicates the treatment process and increases the risk of death. Therefore, the development of computer-aided diagnosis systems is of great importance. In this thesis, a hybrid method is proposed for classifying gastric cancer cells based on histopathological images. In the study, 5,000 images with a resolution of 160×160 pixels were randomly selected from the GasHisSDB dataset. In the first stage, images were classified using different deep learning models such as DenseNet169, DenseNet201, DenseNet121, ResNet50V2, ResNet152V2, MobileNet, NASNetMobile, and Xception. The highest classification accuracy of 90.2% was obtained from the DenseNet169 model. The accuracies of the other models were 88.3% for DenseNet201, 88.0% for DenseNet121, 87.2% for ResNet50V2, 83.3% for ResNet152V2, 75.4% for MobileNet, 73.3% for NASNetMobile, and 71.1% for Xception. The most successful model, DenseNet169, was reclassified using SVM models using 1664 features extracted from the GAP (Global Average Pooling) layer and 1024 significant features selected by ANOVA. The proposed DenseNet169+Quadratic SVM model achieved 96.2% classification accuracy. This study demonstrates that the combined use of deep learning and traditional machine learning can significantly improve classification accuracy.

Benzer Tezler

  1. Tez No

    646994

    Mining colonoscopy images for abnormality detection

    Anormallik tespiti için veri madenciliği

    RUKİYE NUR KAÇMAZ

    Doktora

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiAbdullah Gül Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT YILMAZ

  2. Tez No

    948596

    Prediction of microsatellite status in colorectal cancer whole slide images using deep neural networks

    Derin sinir ağları kullanılarak kolorektal kanser tüm slayt görüntüleri üzerinde mikrosatellit durumu tahmini

    FATMA VİLDAN ENGİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

  3. Tez No

    60758

    Mide kanseri tedavisinde radyolojinin yeri ve önemi

    Başlık çevirisi yok

    REFİK ATEŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1987

    Radyoloji ve Nükleer TıpSağlık Bakanlığı

    Radyoloji Ana Bilim Dalı

  4. Tez No

    417065

    Görüntü işleme metotları ile girişimsel olmayan mide kanserinin tespit edilmesi

    Determining gastric cancer non-invasively with image processing methods

    ALİ BERKAN URAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FIRAT HARDALAÇ

    PROF. DR. MUSTAFA NECMİ İLHAN

  5. Tez No

    418733

    Identification and utilization of autologous anti-tumor antibodies for the diagnosis and prognosis of cancer

    Kanserin teşhis ve prognozunda kullanılmak üzere otolog anti-tümör antikorların belirlenmesi ve kullanımı

    ŞÜKRÜ ATAKAN

    Doktora

    İngilizce

    İngilizce

    2015

    Tıbbi Biyolojiİhsan Doğramacı Bilkent Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    YRD. DOÇ. DR. ALİ OSMAY GÜRE

Geri Dön