Meme ultrason görüntülerinin farklı alt bant yöntemleri kullanılarak sınıflandırılması
Classification of breast ultrasound images using different sub-band methods
- Tez No: 749792
- Danışmanlar: DR. ÖĞR. ÜYESİ ŞERİFE GENGEÇ BENLİ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Görüntü sınıflandırma, Image classification
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Meme kanseri kadınlarda mortalite oranı en yüksek kanser türü olmakla birlikte erken teşhis ve tedavi hayati önem taşımaktadır. Ultrason tekniği ile görüntüleme, meme lezyonlarının şekli, lokalizasyonu ve türünü belirlemede önemli bir yere sahiptir. Bu tez çalışmasında, radyasyon maruziyetinin bulunmaması ve kolay ulaşılabilirliği nedeniyle altın standart olarak değerlendirilen ultrason görüntüleme tekniği, çalışmanın yürütülmesinde büyük bir rol oynamaktadır. Bilgisayar destekli tanı sistemleri kullanılarak ultrason ile meme kanseri tespiti için, akademik çalışmalarda katkı sağlaması amacıyla kadın hastalardan alınan açık kaynaklı BUSI veri seti kullanılarak literatüre katkı sağlayabilecek çalışmalar gerçekleştirilmiştir. Bu çalışmada ise 25-75 yaş aralığında 600 kadın katılımcı (437 iyi huylu ve 210 kötü huylu görüntü edinimi ile toplam 647 görüntü) dahil edilmiştir. Ultrason görüntülerindeki düşük kontrast ve benek gürültüsünün giderilmesi amacıyla çeşitli ön işleme teknikleri uygulanmıştır. Lezyon segmentasyonu için piksel, bölge ve model tabanlı çeşitli görüntü işleme metotları uygulanmış olup başarı düzeyleri incelenmiştir. Bu çalışmada, meme ultrason görüntülerinin sınıflandırma performansını artırmak için orijinal, maske, ROI ve segmente edilmiş görüntülere alt bant ayrıştırma yöntemlerinden ampirik mod ayrıştırma (EMD), değişken mod ayrıştırma (VMD) iki boyutlu ampirik mod ayrıştırma (biEMD) ve iki boyutlu değişken mod ayrıştırma (biVMD) yöntemleri uygulanmıştır. Meme ultrason görüntülerinin çeşitli sinyal ve doku özellikleri ve bu özelliklere dayalı EMD, VMD, biEMD ve biVMD alt bantlarıyla gerçekleştirilen sınıflandırmalar ile orijinal görüntülerden biEMD ile %96,44 ve orijinal görüntü sinyallerinden VMD ile %85,04 en yüksek doğruluk elde edilmiş olup alt bant yöntemlerinin meme kanseri sınıflandırmasındaki gücü incelenmiştir.
Özet (Çeviri)
Although breast cancer is the type of cancer with the highest mortality rate in women, early diagnosis and treatment is vital. Imaging with ultrasound technique has an important place in determining the shape, location and type of breast lesions. In this thesis study, ultrasound imaging technique, which is considered the gold standard due to its lack of radiation exposure and easy accessibility, plays a major role in the conduct of the study. Studies that can contribute to the literature have been carried out using the open source BUSI data set taken from female patients to contribute to academic studies for the detection of breast cancer with ultrasound using computer-aided diagnosis systems. 600 female participants (647 images in total, with 437 benign and 210 malignant image acquisitions) between the ages of 25-75 were included in the study. Various pre-processing techniques have been applied to remove low contrast and speckle noise in ultrasound images. Various pixel, region and model-based image processing methods have been applied for lesion segmentation and their success levels have been examined. In this study, to increase the classification performance of breast ultrasound images, empirical mode decomposition (EMD), variable mode decomposition (VMD), two-dimensional empirical mode decomposition (biEMD) and two-dimensional variable mode decomposition were used to combine original, mask, ROI and segmented images into sub-band decomposition methods. (biVMD) methods were applied. With various signal and texture features of breast ultrasound images and classifications made with EMD, VMD, biEMD and biVMD sub-bands based on these features, the highest accuracy of 96.44% was obtained with biEMD from the original images and 85.04% with VMD from the original image signals, and the sub-band The power of these methods in breast cancer classification was examined.
Benzer Tezler
- Superpixel assisted deep neural network for breast tumor segmentation in ultrasound images
Süperpiksel destekli derin sinir ağı ile meme ultrason görüntülerinde tümör segmentasyonu
NEFİSE UYSAL
Yüksek Lisans
İngilizce
2022
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
ÖĞR. GÖR. MURAT GEZER
- Obtain anterior/posterior position of the tumor through machine learning
Makine öğrenme yoluyla tümörün anterior/posterior pozisyonunu elde edin
GOLSHAN GHOLAMPOUR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Yapay zekâ yöntemleri kullanılarak tıbbi görüntülerde hastalık tespiti
Disease detection in medical images using AI methods
EJDER ERTÜRKMEN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ ÖTER
- Unet based segmentation in qualitative microwave imaging for breast cancer diagnosis
Meme kanseri tanisi için nitel mikrodalga görüntülemenin unet tabanli segmentasyonu
GİZEM ÜNER
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÇAYÖREN
- Diagnosing cancer using the fractal analysis method
Fraktal analiz metodu kullanarak kanser teşhisi
SYEDA UNEEZA FAREED
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. PINAR KIRCI