Akciğer kanserinin ve kanser evresinin tespit edilmesinde derin öğrenme uygulamaları
Deep learning applications in detecting lung cancer and cancer stage
- Tez No: 860751
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜZİN ÖZMEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Akciğer kanseri, önemli bir küresel sağlık sorunudur ve dünya çapında kansere bağlı ölümlerin önde gelen nedenlerinden biridir. Akciğer kanserinin erken teşhisi, hastaların yaşam beklentisini arttırmada ve yaşam kalitesini iyileştirmede çok önemli bir rol oynamaktadır. Akciğer kanseri teşhisinde ve tedavi sürecinde Bilgisayarlı tomografi (BT), Manyetik Rezonans Görüntüleme, Pozitron Emisyon Tomografisi ve Ultrason gibi tıbbi görüntüleme teknikleri kullanılmaktadır. Bu çalışma akciğer kanserini BT görüntüleri kullanarak, evrişimli sinir ağı temelli AlexNet, GoogleNet, VGG-16, VGG-19 ve ResNet derin öğrenme mimarileri ile tespit etmeyi ve kanser evresini belirlemeyi amaçlamaktadır. Bunun yanında VGG-19 mimarisinde değişiklik yapılmış ve sonuçlar önceden eğitilmiş diğer derin öğrenme mimarileri ile karşılaştırılmıştır. Derin Öğrenme mimarileri kullanılarak gerçekleştirilen bu sınıflama çalışmasında ilk olarak iki sınıftan oluşan (Kanserli ve Sağlıklı) görüntülerde AlexNet, GoogleNet, VGG-16, VGG-19, ResNet ve önerilen VGG-19 mimarileri ile sırasıyla %92,42, %94,89, %96,09, %95,41, %96,15 ve %96,55 sınıflama doğrulukları elde edilmiştir. İkinci olarak beş sınıftan oluşan ve kanserin evresine göre etiketlenen görüntülerde (EvreI, EvreII, EvreIII, EvreIV ve Sağlıklı) AlexNet, GoogleNet, VGG-16, VGG-19, ResNet ve önerilen VGG-19 mimarileri ile sırasıyla %93,83, %94,61, %96,09, %95,22, %96,22 ve %96,38 sınıflama doğrulukları elde edilmiştir. Sonuç olarak BT görüntüleri kullanılarak, derin öğrenme yöntemleri kanser tespitinin yanında kanserin evrelemesinde de başarı gösterir iken önerilen VGG-19 mimarisi en yüksek sınıflama doğruluğunu sağlamıştır.
Özet (Çeviri)
Lung cancer is a major global health problem and one of the leading causes of cancer-related deaths worldwide. Early diagnosis of lung cancer plays a very important role in increasing patients' life expectancy and improving their quality of life. Medical imaging techniques such as Computed tomography (CT), Magnetic Resonance Imaging, Positron Emission Tomography and Ultrasound are used in the diagnosis and treatment process of lung cancer. This study aims to detect lung cancer and determine the cancer stage using CT images with convolutional neural network-based AlexNet, GoogleNet, VGG-16, VGG-19 and ResNet deep learning architectures. In addition, changes were made to the VGG-19 architecture and the results were compared with other pre-trained deep learning architectures. In this classification study carried out using Deep Learning architectures, firstly, 92.42%, 94.89%, 96.09%, 95.41%, 96.15%, and 96.55% classification accuracies were obtained on images consisting of two classes (Cancerous and Healthy) with AlexNet, GoogleNet, VGG-16, VGG-19, ResNet and the proposed VGG-19 architectures, respectively. Secondly, classification accuracies were obtained with AlexNet, GoogleNet, VGG-16, VGG-19, ResNet, and the proposed VGG-19 architectures, 93.83%, 94.61%, 96.09%, 95.22%, 96.22%, and, 96.38% respectively, on images consisting of five classes and labeled according to the stage of cancer (StageI, StageII, StageIII, StageIV, and Healthy). As a result, using CT images, deep learning methods showed success in cancer staging as well as cancer detection, while the proposed VGG-19 architecture provide the highest classification accuracy.
Benzer Tezler
- Toraks duvarı tutulumu olan küçük hücreli dışı akciğer kanserinde cerrahi tipi ve invazyon derinliğinin prognoza etkisinin değerlendirilmesi
Evaluation of the effect of surgery type and depth of invasion on prognosis in non-small cell lung cancer with thoracic wall involvement
ALİ CAN KAYAASLAN
Tıpta Uzmanlık
Türkçe
2025
Göğüs CerrahisiSağlık Bilimleri ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLTERİŞ TÜRK
- Erken evre küçük hücreli dışı akciğer kanseri hastalarında serum SPD-1 ve SPD-l1 düzeylerinin klinik, patolojik özellikler ve lenf nodu metastazı ile korelasyonu
The correlation of serum SPD-1 and SPD-L1 levels with clinical, pathological characteristics and lymph node metastasis in early-stage non-small cell lung cancer patients
BURCU ANCIN
Tıpta Uzmanlık
Türkçe
2020
Göğüs Kalp ve Damar CerrahisiHacettepe ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
PROF. DR. METİN DEMİRCİN
- Telomeraz inhibitörü GRN163L''nin (Imetelstat) hücre iskeleti ve hücre döngüsü üzerine etkileri.
The effects of telomerase inhibitor GRN163L (Imetelstat) on cell cytoskeleton and cell cycle
İLGEN MENDER
Yüksek Lisans
Türkçe
2009
BiyokimyaHacettepe ÜniversitesiBiyokimya Ana Bilim Dalı
YRD. DOÇ. DR. ZELİHA GÜNNUR DİKMEN
- Özofagus kanserlerinde tanı, evreleme ve postoperatif takipte manyetik rezonans görüntülemenin rolü
Başlık çevirisi yok
A. MECİT KANTARCI
- Küçük hücreli dışı akciğer kanserinde plevral tutulum derecesinin sağkalım üzerine etkisi
The effects of pleural involvement on survival in non-small cell lung cancer
DENİZ KAYGUSUZ TİKİCİ
Tıpta Uzmanlık
Türkçe
2020
Göğüs Kalp ve Damar CerrahisiSağlık Bilimleri ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
UZMAN SELİM ŞAKİR ERKMEN GÜLHAN