Detection of local structural distortions in skin due to skin cancer by raman spectroscopy and machine learning
Cilt kanserı̇ne bağlı ciltteki yerel yapısal bozulmaların raman spektroskopı̇sı̇ ve makı̇ne öğrenmesı̇ ı̇le tespı̇tı̇
- Tez No: 871854
- Danışmanlar: DR. ÖĞR. ÜYESİ ONUR KURT
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Küresel nüfusun önemli bir kısmı, özellikle güneşe maruz kalan cilt bölgelerinde yaygın olarak görülen bazal hücreli karsinom (BCC) gibi cilt kanseri türlerinden giderek daha fazla etkilenmektedir. BCC tipik olarak yavaş büyür ve lokal olarak yayılır, ancak metastaz yapabilir. ABD'de, BCC'nin görülme sıklığı 100.000 kişi başına 300 vakadır ve ömür boyu risk %30 olup, yıllık artış %10'un üzerindedir. BCC, sağlık sistemleri üzerinde önemli bir yük oluşturur. Modern biyomedikal araştırmalar, Raman spektroskopisi ve makine öğrenimi (ML) gibi teknolojiler kullanarak cilt kanserlerini doğru bir şekilde teşhis etmek için yeni yollar sunmaktadır. Bu çalışma, Raman spektroskopisi ve denetimli ML algoritmalarını kullanarak tümörden etkilenmiş dokulardaki yapısal düzensizlikleri tespit etmeyi ve nodüler ve infiltratif BCC'yi ayırt etmeyi hedeflemektedir; bu da teşhisi hızlandırıp ölümleri azaltmayı amaçlamaktadır. Şişli Hamidiye Etfal Eğitim ve Araştırma Hastanesi etik kurulu tarafından onaylanan çalışmada, histopatolojik teşhis sonrasında deneyimli bir plastik cerrah tarafından BCC dokuları tamamen çıkarıldı ve Raman spektroskopisi analizi için İstanbul Teknik Üniversitesi'ne (İTÜ) taşındı. Veriler, kozmik ışınların ortadan kaldırılması, floresans kaynaklı arka planın çıkartılması ve spektrum normalizasyonu gibi ön işleme adımlarından geçti. Toplamda 9 farklı makine öğrenmesi modeli kullanılarak BCC sınıflandırması ve alt tiplerinin ayrımı yapıldı. Sonuçlar, RF ve KNN'nin BCC'yi normal dokudan ayırt etmede (%98.4 doğruluk) ve BCC alt tiplerini ayırt etmede en yüksek doğruluğu sağladığını gösterdi. Bu çalışma, Raman spektroskopisi ve ML'nin, BCC ve alt tiplerini teşhis etmede etkili ve invaziv olmayan araçlar olarak potansiyelini vurgulamaktadır.
Özet (Çeviri)
A significant portion of the global population is increasingly affected by skin cancer, particularly basal cell carcinoma (BCC), which is common and often appears on sun-exposed skin areas. BCC typically grows slowly and invades locally but can metastasize. In the U.S., BCC has an incidence rate of 300 per 100,000 people, with a 30% lifetime risk and an annual increase of over 10%. BCC significantly impacts healthcare systems. Modern biomedical research, using technologies like Raman spectroscopy combined with machine learning (ML), offers new ways to accurately diagnose skin malignancies. This study used Raman spectroscopy and supervised ML algorithms to identify structural irregularities in tumor-affected tissues and differentiate between nodular and infiltrative BCC, aiming to speed up diagnosis and reduce mortality. Approved by the ethics committee of Şisli Hamidiye Etfal Training and Research Hospital in Istanbul, Türkiye, the study involved excising BCC tissues for Raman spectroscopy analysis. The data underwent preprocessing steps such as cosmic ray elimination, fluorescence background removal, and spectrum normalization. Nine different ML models were used to classify BCC and differentiate its subtypes. Results showed that RF and KNN achieved the highest accuracy in distinguishing BCC from normal tissue (98.4%) and in differentiating BCC subtypes. This study highlights the potential of Raman spectroscopy and ML as effective, non-invasive tools for diagnosing BCC and its subtypes.
Benzer Tezler
- Yapıştırıcıların genel özellikleri ve çekme gerilmesine maruz yapışma birleşmesinin analitik ve nümerik olarak incelenmesi
Başlık çevirisi yok
LEVENT KODAKOĞLU
Yüksek Lisans
Türkçe
1996
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak Mühendisliği Ana Bilim Dalı
DOÇ. DR. TEMEL KATİL
- Yapısal hasar teşhisinde dalgacık dönüşümüne dayalı bir yöntem geliştirilmesi
Developing a wavelet transform-based structural damage detection method
HAKAN GÖKDAĞ
Doktora
Türkçe
2010
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN KOPMAZ
- Bulut tabanlı otonom sürüş sıstemlerınde görüntü işleme ıçın tam homomorfık şıfreleme yaklaşımı
A fully homomorphic encryption approach to image processing in cloud based autonomous driving systems
KAMRAN SAEED
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH ADAK
- Schwarzian türevlerine dayalı yeni kenar algılama yöntemleri ve MBB kenar süzgecinin geliştirilmesi
Novel edge detection methods based on Schwarzian derivatives and the development of the MBB edge filter
BÜŞRA KÖKSAL
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU TUNGA
DR. ÖĞR. ÜYESİ RÜŞTÜ MURAT DEMİRER
- Gevşeme temelli kenar belirleme algoritması
Başlık çevirisi yok
GÜRAY GÜNGÖR
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiBiyomedikal Mühendisliği Bilim Dalı
DOÇ. DR. TAMER ÖLMEZ