Derin Sinir Ağları Kullanarak Histopatolojik Görüntülerde Meme Kanseri Tespiti

Dandıl, Emre; Serin, Zafer

doi:10.31590/ejosat.780705

Cited by 6 publications

(3 citation statements)

References 35 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dandıl ve Serin sundukları çalışmada BreakHis veri setini Xception modeli ile eğitimde kullanmışlardır. Çalışmada %98,11 doğruluk oranı, %97,89 kesinlik (precision) ve %97,47 duyarlılık (recall) değerleri elde edilmiştir [19]. Narin ve Kefeli tarafından sunulan çalışmada ResNet ve VGG16 algoritmalarını kullanmışlardır.…”

Section: Literatür Taraması (Literature Review)unclassified

Öznitelik Seçimi ile Desteklenen Makine Öğrenmesine Dayalı Göğüs Kanserinin Erken Tespiti ve Teşhisi

Akyel,

Polat,

Ciylan

2024

Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım Ve Teknoloji

View full text Add to dashboard Cite

Kanserin tam nedeni bilinmemekle birlikte, yaşam tarzı, çevresel faktörler, beslenme ve genetik gibi birçok faktörün kanser gelişimine katkıda bulunabileceği bilinmektedir. Kanser türleri arasında özellikle göğüs kanseri, dünya genelinde kadınlar arasında görülme sıklığı yüksek olan bir hastalıktır. Göğüs kanserinin teşhisinde fiziksel muayene ve mamografi görüntülerinin incelenmesi gibi yöntemler kullanılmaktadır. Gelişen teknolojiyle birlikte makine öğrenmesi uygulamalarının tıp alanında kullanımı giderek artmaktadır. Bu sayede göğüs kanserinin daha erken aşamada ve hızlı şekilde teşhisi konusunda doktorlara yardımcı olabilecek umut verici çalışmalar giderek artmaktadır. Bu çalışmada, göğüs kanserinin erken teşhisinde kullanmak için 4 farklı öznitelik seçimi ve 5 farklı makine öğrenme yönteminin performansları karşılaştırılmıştır. Çalışmanın ilk aşamasında, Principal Component Analysis (PCA), Recursive feature elimination, Variance inflation factors (VIF) ve Univariate feature selection yöntemleri ile veri kümesinde hedef özniteliğe en çok etki eden öznitelikler seçilerek veri kümesindeki öznitelik sayısı azaltılmıştır. İkinci aşamada, K Nearest Neighbors (KNN), Naive Bayes, Decision Tree, Support Vector Machine (SVM) ve Random Forest makine öğrenme algoritmaları orijinal ve öznitelik seçimi yapılmış veri kümelerine dayalı olarak eğitilmiş ve test edilmiştir. Test sonuçlarına göre %98,83 doğruluk, %99 kesinlik ve %99 duyarlılık değerleri ile Variance inflation factors (VIF) öznitelik seçimi ve Random Forest algoritması kullanılarak elde edilmiştir. Daha az öznitelik kullanımı sayesinde eğitim ve test aşamalarında benzer başarı değerleri, kaynak kullanımı ile sağlanmıştır. Çalışmada eğitilip test edilen makine öğrenme modeli Flask framework kullanılarak bir web ara yüzüne sahip uygulama haline getirilmiştir.

show abstract

Section: Literatür Taraması (Literature Review)unclassified

Öznitelik Seçimi ile Desteklenen Makine Öğrenmesine Dayalı Göğüs Kanserinin Erken Tespiti ve Teşhisi

Akyel,

Polat,

Ciylan

2024

Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım Ve Teknoloji

View full text Add to dashboard Cite

show abstract

“…For example, in an image with RGB values, it uses 1 channel, not 3 channels. Since this will cause loss of many features and very unsuccessful results, the classical convolution process is applied as 1x1xChannel Number on the image obtained by processing on 1 channel in smart point convolution and the result is obtained [25].…”

Section: Xceptionmentioning

confidence: 99%

Serviks Kanser Hücrelerinin Ön-Eğitimli Ağ Temelli Otomatik Sınıflandırılması İçin Bir Ara Yüz Tasarımı ve Geliştirilmesi

BİNGÖL¹,

Uzun²,

ÖZKURT³

2022

European Journal of Science and Technology

View full text Add to dashboard Cite

Cervical cancer is the second most common cancer in women after breast cancer, causing the death of one woman every two minutes in the world. The most important risk factor originating from the cervix is infection with the papilloma virus (HPV). Cervical cancer screening programs are extremely important to reduce the incidence and death rates of this cancer. The primary goal of screening for cervical cancer is the accurate detection and timely treatment of intraepithelial precursor lesions of the cervix, in order to prevent cervical cancer. With the PAP smear test, cells in the cancerous stage are detected in the endocervical canal, and cancer development can be prevented before the cells turn into cancer with cancer treatment at this stage. The PAP test, which is used in early diagnosis, is an easyto-apply, low-cost, harmless, high-sensitivity test that also reduces the burden of treatment. Recent developments in the field of artificial intelligence have achieved serious success in the diagnosis of cervical cancer. In this study, a transfer learning-based cervical cancer detection method and an application developed to easily perform these procedures are presented. Cancerous and non-cancerous cervical cells were classified using pre-trained networks. Five popular pre-trained networks, namely Xception, VGG-16, DenseNet, InceptionV3, and InceptionResNetV2, were used for the problem and the obtained performance results were compared. In addition, an application has been developed so that experts working in this field can easily make such classifications. With this application, users can create their own models by conducting a new training, use the model created in this study, and quickly test which class the newly obtained images belong to. As a result of the study, DenseNet network obtained the highest accuracy with 94.72% accuracy. Experimental results show that the proposed approach can provide an inexpensive and rapid decision support system for cervical cancer detection that anyone can apply.

show abstract

“…Traditional methods such as mammography, ultrasound and magnetic resonance (MR) imaging are used in the diagnosis of breast cancer (Dandıl & Serin, 2020). Although these auxiliary imaging methods are used in the diagnosis of breast cancer, histopathological images are preferred for accurate diagnosis.…”

Section: Introductionmentioning

confidence: 99%

A Hybrid Method Based on Feature Fusion for Breast Cancer Classification using Histopathological Images

Dandıl¹,

Selvi²,

Çevik³

et al. 2021

European Journal of Science and Technology

Self Cite

View full text Add to dashboard Cite

Breast cancer is the most common type of cancer in women today, and it ranks second after lung cancer with a very high mortality rate. If it is detected late, the treatment of breast cancer becomes very difficult. Although there are various methods for the detection of breast cancer, there is still a need for auxiliary diagnosis and treatment methods. In this study, a hybrid method is proposed to investigate the development of basal-like breast tumors and classify basal-like breast cancer types using histopathological images. In the study, firstly, appropriate features that support the accurate classification between tumor and non-tumor regions are extracted from histopathological images. Then the dataset is created by combining the obtained features. In the last stage of the study, the classification of images is carried out by using bag of words (BoW) and deep neural networks (DNN) techniques in a hybrid manner. Generally, immunohistochemical markers are used for this classification, but the performance of these markers remains at 60%. The performance of the classification accuracy of the proposed system is increased with the proposed hybrid classifier based on feature fusion. As a result of the study, 94.5% classification accuracy is achieved on the training set, while 80.8% classification accuracy is succeed on the test set. As a result, it is verified that successful results are achieved in the classification of basal-like breast cancer on histopathological images using the proposed hybrid method based on feature fusion.

show abstract

Derin Sinir Ağları Kullanarak Histopatolojik Görüntülerde Meme Kanseri Tespiti

Cited by 6 publications

References 35 publications

Öznitelik Seçimi ile Desteklenen Makine Öğrenmesine Dayalı Göğüs Kanserinin Erken Tespiti ve Teşhisi

Öznitelik Seçimi ile Desteklenen Makine Öğrenmesine Dayalı Göğüs Kanserinin Erken Tespiti ve Teşhisi

Serviks Kanser Hücrelerinin Ön-Eğitimli Ağ Temelli Otomatik Sınıflandırılması İçin Bir Ara Yüz Tasarımı ve Geliştirilmesi

A Hybrid Method Based on Feature Fusion for Breast Cancer Classification using Histopathological Images

Contact Info

Product

Resources

About