Mamografik meme görüntülerinde lezyonların sınıflandırılması için derin öğrenme ve topluluk öğrenmesi tabanlı bir yaklaşım
A deep learning and ensemble learning based approach for classification of lesions in mammographic breast images
- Tez No: 998404
- Danışmanlar: DR. ÖĞR. ÜYESİ DİDEM ÖLÇER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Meme kanseri, kadınlarda en sık görülen malignitelerden biri olup erken tanı sağkalım açısından kritik öneme sahiptir. Mamografi taramada altın standart yöntem olmakla birlikte, görüntülerin yorumlanması radyolog deneyimine ve iş yüküne bağlı olarak değişkenlik gösterebilmektedir. Bu çalışmada, bilgisayar destekli tanı sistemlerinin mamografi yorumlamasına sağlayabileceği katkı araştırılmıştır. Çalışmada, The Cancer Imaging Archive üzerinden erişilen Chinese Mammography Database kullanılmış ve histopatolojik olarak doğrulanmış 853 mamografi görüntüsü benign ve malign olarak sınıflandırılmıştır. Görüntü ön işleme, sınıf dengesizliğinin giderilmesi, derin öğrenme tabanlı model eğitimi ve topluluk sisteminin oluşturulması aşamaları izlenmiştir. Sekiz farklı derin öğrenme mimarisi, ImageNet ağırlıkları ile başlatılan üç aşamalı ince ayar stratejisi kullanılarak eğitilmiştir. Elde edilen sonuçlar, ConvNeXt-Base mimarisinin bireysel modeller arasında en yüksek performansı sergilediğini göstermiştir. Performansı yeterli bulunan modeller yumuşak oylama yöntemiyle birleştirilmiş ve nihai topluluk sistemi yüksek doğruluk ve dengeli sınıflandırma başarısı elde etmiştir. Bulgular, derin öğrenme tabanlı yaklaşımların mamografi değerlendirmesinde radyologlara destekleyici bir araç olarak kullanılabileceğine işaret etmektedir.
Özet (Çeviri)
Breast cancer remains one of the most common malignancies among women, and early detection plays a critical role in improving treatment outcomes. Although mammography is considered the primary imaging modality for screening, the interpretation of mammographic images can vary with radiologists' experience, workload, and the structural complexity of breast tissue. In this context, computer-aided diagnostic systems have the potential to support clinical decision-making. In this study, a deep learning–based classification framework was developed using the Chinese Mammography Database, which is publicly available through The Cancer Imaging Archive. A total of 853 histopathologically confirmed mammography images were classified as benign or malignant. The methodological pipeline included image preprocessing, handling class imbalance, model training, and constructing an ensemble system. Eight deep learning architectures were evaluated, each trained using a three-stage transfer learning strategy with ImageNet weights as the initialization. Experimental results showed that ConvNeXt-Base architecture achieved the highest performance among individual models. Models meeting predefined performance criteria were combined using a soft-voting ensemble approach, yielding balanced, robust classification performance. The findings suggest that deep learning–based approaches may serve as a supportive tool in mammography assessment by providing an additional decision aid for radiologists.
Benzer Tezler
- Akciğer bilgisayarlı tomografisinde insidental saptanan meme nodüllerinin evrişimli sinir ağları ile benign-malign olarak sınıflandırılması
Classification of breast nodules detected incidental in lung computerized tomography and as benign-malign with conversion neural networks
ZİŞAN ERTUNÇ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiYapay Zeka Ana Bilim Dalı
DOÇ. DR. İBRAHİM ÖNDER YENİÇERİ
- Derin öğrenme ile mammogram görüntülerindeki lezyonların tespiti ve sınıflandırılması
Detection and classification of lesions in mammogram images with deep learning
YAVUZ BİÇİCİ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SALİM CEYHAN
DR. ÖĞR. ÜYESİ SÜLEYMAN UZUN
- Clinical assessment of the microwave imaging system forbreast cancer screening and early detection
Meme kanseri tarama ve erken tanı için mikrodalgagörüntüleme sisteminin klinik değerlendirmesi
ALEKSANDAR JANJIC
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
Prof. Dr. MEHMET ÇAYÖREN
Prof. Dr. İBRAHİM AKDUMAN
- Dinamik kontrastlı manyetik rezonans görüntülerinde bilgisayarlı meme kanseri sınıflandırması
Computerized breast cancer classification in dynamic contrast magnetic resonance images
AHMET HAŞİM YURTTAKAL
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ERBAY
- Derin öğrenme yaklaşımları ile meme kanseri tespiti ve sınıflandırması
Breast cancer detection and classification with deep learning approaches
BÜŞRA KÜBRA KARACA AYDEMİR
Doktora
Türkçe
2025
BiyomühendislikBaşkent ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. BERNA DENGİZ
PROF. DR. ZİYA TELATAR