Deep learning for breast mass segmentation: A region-of-interest focused approach using ETDP-U2-net
ROI-kırpılmış mamogramlar üzerinde ETDP-U2-net tabanlı derin öğrenme ile meme kitle segmentasyonu
- Tez No: 968777
- Danışmanlar: PROF. DR. MUHAMMED FATİH DEMİRCİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 71
Özet
Mamografi görüntülerinde meme kitlesinin doğru şekilde segmentasyonu, erken evre meme kanseri tespitinde hayati bir rol oynamaktadır. Bu tez çalışmasında, CBIS-DDSM veri kümesinden alınan gri tonlamalı ROI (Region of Interest) kırpılmış mamogramlar üzerinde kitle segmentasyonu gerçekleştirmek amacıyla geliştirilen yeni bir derin öğrenme mimarisi olan ETDP-U2-Net önerilmektedir. Model, kenar ve dokuya duyarlı yolları geliştirilmiş atlama bağlantılarıyla birleştirerek tümör sınırlarının daha hassas bir şekilde belirlenmesini sağlar. Hem artırımsız (non-augmented) hem de artırımlı (augmented) eğitim senaryoları altında yapılan kapsamlı deneyler, yalnızca 6.54 milyon parametreye sahip hafif tasarıma rağmen modelin rekabetçi Dice ve IoU skorları elde ettiğini ortaya koymaktadır. Özellikle, önceki çalışmaların aksine, bu tezde yalnızca eğitim verisine artırma uygulanmış, test verisine herhangi bir işlem uygulanmayarak olası veri sızıntısı engellenmiştir. Sonuçlar, ETDP-U2-Net'in parametre-verimlilik açısından birçok daha ağır mimariyi geride bıraktığını ve aynı zamanda titiz deneysel standartlara bağlı kaldığını göstermektedir. Bu çalışma, klinik ortamlarda bilgisayar destekli tanı sistemlerine entegre edilebilecek sağlam ve verimli bir segmentasyon yaklaşımı sunmaktadır.
Özet (Çeviri)
Accurate segmentation of breast masses in mammographic images plays a critical role in early breast cancer detection. In this thesis, we propose a novel deep learning architecture, ETDP-U2-Net, tailored for mass segmentation using ROI-cropped grayscale mammograms from the CBIS-DDSM dataset. The model integrates edge and texture-aware pathways with enhanced skip connections to improve the delineation of subtle tumor boundaries. Extensive experiments under both non-augmented and augmented training regimes show that ETDP-U2-Net achieves competitive Dice and IoU scores while maintaining a lightweight design with only 6.54 million parameters. Notably, unlike many prior studies, this work avoids test-time augmentation and potential data leakage by applying augmentation solely to the training set. The results demonstrate that ETDP-U2-Net not only surpasses many heavier architectures in terms of performance-to-parameter efficiency but also adheres to rigorous experimental standards. This study contributes a robust and efficient segmentation approach that holds promise for integration into computer-aided diagnosis systems in clinical settings.
Benzer Tezler
- Derin öğrenme yöntemleri kullanılarak dijital mamografiden kitle bölütlemesi
Mass segmentation from digital mammograms using deep learning methods
ENDER EMRE ETİZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VOLKAN MÜJDAT TİRYAKİ
- Breast sentinel lymph node cancer detection from mammography images based on quantum wavelet transform and atrous pyramid convolutional neural network
Başlık çevirisi yok
MOHAMMED NAYYEF QASIM
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ BAYAT
- Meme MRG'de saptanan kitle dışı kontrastlanmaların benign ve malign ayrımında radyolojik bulgularla doku analizi bulgularının makine öğrenimi yöntemleriyle değerlendirilmesi ve segmentasyon tabanlı 3 boyutlu evrişimsel sinir ağlarıyla karşılaştırılması
Evaluation of radiological and texture analysis findings using machine learning methods in the differentiation of benign and malignant non-mass enhancements detected onbreast MRI and comparison with segmentation-based three dimensional convolutional neural networks
SERHAT AKIŞ
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpDokuz Eylül ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. PINAR BALCI
- Cancer detection in fine needle aspiration samples using back propagational artificial neural network
Başlık çevirisi yok
ZAID ABBAS KURDI SARRAY
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZAID HAMODAT
- Yapay sinir ağlarında beyin tümörlerinin görüntü işleme ile segmentasyonu ve bir uygulama
Segmentation of brain tumors with image processing in artificial neural networks and an application
EMİN GÖKÇE
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRAL