Meme kanserinin otomatik teşhisi için yeni bir derin öğrenme yaklaşımı
A new deep learning approach for automatic diagnosis of breast cancer
- Tez No: 856319
- Danışmanlar: DOÇ. DR. ÜMİT BUDAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bitlis Eren Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Meme kanseri özellikle dünya genelinde kadınların en çok karşılaştığı hastalıklardan biridir. Hem erken teşhis hem de ilgili kişinin erken tedavisi için rutin meme kontrolleri hayati önem taşır. Bilgisayar destekli teşhis sistemleri, patologlar için teşhis sırasında yardımcı bir araç olma yolunda uzun bir mesafe katetmiştir. Bu tez çalışmasında, meme kanserinin histopatolojik görüntülerden etkili teşhisi için yeni bir evrişimsel sinir ağı önerilmektedir. Klasik evrişimsel sinir ağları sadece bir girişe sahipken, ilgili ağ eğitim sürecinde veri kümesinden sadece ham görüntüleri kullanır. Bu, ağın ek bir özellik kullanma kabiliyetini sınırlar. Önerilen yöntemde ise ağın bir girişi histopatolojik ham görüntüleri kullanırken, diğer girişi ise ilgili görüntülerin derin özelliklerini kullanır. Tüm deneysel çalışmalar literatürde yaygın olarak kullanılan BreakHis veri kümesi üzerinde gerçekleştirildi. Performansın testi için doğruluk kriteri tercih edildi ve 5 kat çapraz doğrulama tekniği dikkate alındı. 40×, 100×, 200× ve 400× alt veri kümelerinde sırasıyla %99,94, %98,94, %99,05 ve %97,30 doğruluk puanları elde edildi. Elde edilen sonuçlar, meme kanseri teşhisi için son derece etkili değerler olmanın ötesinde, literatürde rapor edilen diğer sonuçlardan çok daha üstündü.
Özet (Çeviri)
Breast cancer stands as a significant health concern, particularly for women worldwide. Regular breast examinations are crucial for the early detection and prompt treatment of this condition. Furthermore, computer-assisted diagnostic systems have made substantial strides in aiding pathologists during the diagnostic process. In our research, we introduce an innovative convolutional neural network for the accurate diagnosis of breast cancer from histopathological images. Unlike traditional convolutional neural network's that rely solely on raw image inputs, our model employs a dual-input architecture. One input utilizes the raw histopathological images, while the other leverages deep features extracted from related images. This dual-input approach enhances the network's ability to extract insights from additional information sources. We conducted all our experimental studies using the well-established BreakHis dataset. To assess the model's performance, we employed the accuracy metric and applied a rigorous 5-fold cross-validation technique. The results were remarkable, with accuracy scores of 99,94%, 98,94%, 99,05%, and 97,30% achieved for the 40×, 100×, 200×, and 400× sub-datasets, respectively. These results not only demonstrate the effectiveness of our proposed diagnostic system but also surpass the benchmarks reported in existing literature.
Benzer Tezler
- 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
- Meme kanseri tanısı için gelişmiş yapay zeka tabanlı çok aşamalı tespit sistemi
Advanced artificial intelligence based multi-stage detection system for breast cancer diagnosis
ABDUL SAMAD
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- U-net ve sam entegrasyonu ile meme mr görüntülerinde tümör segmentasyonu ve morfolojik işlemlerle takibi
Breast mri tumor segmentation using U-net and sam integration with morphological tracking methods
ALPTUĞ ŞEREF AYYILDIZ
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Sayısal patoloji görüntülerinin analizinde yenilikçi derin öğrenme yaklaşımlarının geliştirilmesi
Development of innovative deep learning approaches in the analysis of digital pathology images
YUSUF ÇELİK
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT KARABATAK
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA