Geri Dön

Automated detection of endometrial and ovarian cancers by classification of urine-based FTIR spectroscopy signals using genetic algorithm, machine learning and deep learning methodologies

İdrar tabanlı FTIR spektroskopi sinyallerinin genetik algoritma, makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak sınıflandırılması aracılığıyla rahim ve yumurtalık kanserlerinin otomatik teşhisi

PDF İndir

  1. Tez No: 815481
  2. Yazar: FATIME OUMAR DJIBRILLAH
  3. Danışmanlar: PROF. DR. MEHMET EMİN YÜKSEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Kanser, kalp ve damar hastalıklardan sonra ikinci önde gelen ölüm nedenidir. Jinekolojik kanserlerden en sık rastlanan rahim ve yumurtalık kanserleridir. Bu kanserlerin erken ve doğru teşhisi, bunlara bağlı ölüm oranını azaltmak için çok önemlidir. Serum kanser antijeni, endometriyal biyopsi, transvajinal ultrason, manyetik rezonans görüntüleme vb. gibi birçok geleneksel tanı teknikleri bulunmaktadır. Ancak, bu teknikler düşük özgüllük, invazivlik ve yüksek maliyet gibi birkaç dezavantaj içermektedir. Bu nedenle, geleneksel tekniklerin neden olduğu dezavantajların üstesinden gelmek için yeni, uygun maliyetli, invazif olmayan ve doğru tanı ve teşhis yöntemlerine ciddi bir ihtiyaç vardır. Yapay zekâ alanındaki son gelişmeler ve titreşimli spektroskopi teknikleri, kanserlerin otomatik ve doğru teşhis edilmesini mümkün kılmıştır. Bu gerçeğe paralel olarak, bu tez çalışması, idrar bazlı Fourier dönüşümü kızılötesi (FTIR) spektroskopi verilerinin ikili genetik algoritma ve çeşitli makine öğrenmesi sınıflandırıcıları kullanılarak işlenmesi yoluyla rahim ve yumurtalık kanserlerinin otomatik ve etkin teşhisi için yeni bir yaklaşım önermektedir. Önerilen yaklaşımda, spektroskopik verilerden anlamlı özellikleri seçen yeni bir ikili genetik algoritma da önerilmektedir. Ardından, seçilen belirgin spektral özellikler (dalga numaraları), çeşitli makine öğrenmesi sınıflayıcılarına verilerek sınıflandırma işlemi gerçekleştirilmektedir. İstatistiksel analizler ve literatürdeki mevcut çalışmalarla kıyaslama, rahim ve yumurtalık kanserlerinin otomatik tespiti için önerilen yaklaşımın üstünlüğünü doğrulamaktadır.

Özet (Çeviri)

Cancer is the second leading cause of death after cardiovascular diseases. The prevalence of gynecological cancers, such as endometrial and ovarian cancers, is notably high. Timely and precise detection of these malignancies plays a pivotal role in reducing the associated mortality rate. Several conventional diagnostic methods, such as serum cancer antigen, endometrial biopsy, transvaginal ultrasound, and magnetic resonance imaging (MRI), are available. However, these approaches present several handicaps such lack of specificity, invasiveness, and high economical cost. Thus, there is an ultimate need for novel, cost-effective, non-invasive, and accurate diagnostic methods in order to overcome the drawbacks caused by the conventional techniques. Recent advances in artificial intelligence and vibrational spectroscopy techniques have made it possible to achieve automatic and accurate diagnosis of cancers. In parallel to this fact, this thesis study proposes a novel approach that processes Fourier transform infrared (FTIR) spectroscopy data of urine samples based on binary genetic algorithm and several machine learning classifiers for the automatic and effective diagnosis of endometrial and ovarian cancers. In this approach, a novel binary genetic algorithm which selects the relevant features from the spectroscopic data is proposed too. Subsequently, the selected saliant spectral features (wavenumbers) are then classified with multiple machine learning classifiers. Through statistical analyses and a thorough comparison with existing methods in the literature, the superiority of the proposed approach for automated detection of endometrial and ovarian cancers is validated.

Geri Dön