Browsing by Author "Doğan, Refika Sultan"

Now showing 1 - 3 of 3

Benchmarking Deep Learning Models for Dermatological Image Analysis: EfficientNet Takes the Lead
(2024) Kaçmaz, Rukiye Nur; Doğan, Refika Sultan
Skin cancer that spreads quickly and is deadly is called melanoma. If skin cancer is not treated in its early stages, the mortality rate is very high, but when it is correctly identified in its early stages, patients' lives can be saved. With an accurate and fast diagnosis, the patient's chance of survival can be increased. A computer- aided diagnostic support system needs to be created. In this study, Dense201, DarkNet19, and EfficientNet offer 3 different deep transfer learning models for melanoma classification. In addition, an ablation study was conducted in terms of the filter size used in transfer learning. To look at the effect of the filter size, different filter sizes were created in each model and the results were obtained. The ISIC dataset containing 1792 benign and 1464 malignant images was used in the study. According to this study, DenseNet201 provided accurate and reliable results at different filter sizes regardless of their size. Therefore, it is recommended to use DenseNet201 in studies involving the classification of skin lesions.
Kolon Polipleri için Kolonoskopi ve Histopatoloji Görüntülerinden Yapay Zekâ Destekli Prognostik Belirteç Tespiti
(2023) Doğan, Serkan; Doğan, Refika Sultan; Aydın, Zafer; Akay, Ebru; Güzel, Ömer Faruk; Yilmaz, Bulent; Taşdemir, Sena Büşra Yengeç
Kolon kanseri vakalarının çoğu kolon mukozasında anormal hücre çoğalmasından kaynaklanan poliplerle başlar. Bu projede Kayseri Şehir Hastanesi gastroenteroloji kliniğine gelen 201 hastada tespit edilen poliplere dair kolonoskopi video ve görüntülerinden ve biyopsi örneklerinden elde edilen patoloji raporu ve immunohistokimyasal (İHK) gen ve protein analizi sonuçlarını içeren kapsamlı bir veri seti oluşturulmuştur. Bu projede, elde ettiğimiz veri setinde yer alan görüntülerden kolon poliplerinin evresini/patolojisini tahmin etmek için yenilikçi derin öğrenme ve makine öğrenmesi yöntemlerini temel alan çevrim içi veya dışı kullanılabilen kapsamlı bir yapay zekâ destekli bilgisayarlı görü sistemi geliştirilmiştir. Bu proje kapsamında; kolonoskopi videolarından gerçek zamanlı polip lokalizasyonu, videolardan görüntülerin elde edilmesi, polip görüntülerinden hiperplastik ve tübüler polip ayrımının otomatik yapılması ve hekim performansıyla karşılaştırılması, bu görüntüler üzerinde ayırt edici özniteliklerin tespit edilmesi, farklı büyütmelerde alınan histopatoloji görüntülerinden adenomatöz olan ve olmayan poliplerin ve poliplerin alt tiplerinin yenilikçi derin öğrenme yöntemleriyle tespiti, Ki-67, p53, VEGF, PDL-lenfosit ve PDL-epitel, BRAF ve cd34 isimli gen ve proteinlerin İHK analizlerinin sonuçlarının polip tipleri ve alt tipleri için yorumlanması ve poliplerin bu bilgilere göre etiketlenmesi gerçekleştirilmiştir.
Kolon Polipleri için Kolonoskopi ve Histopatoloji Görüntülerinden Yapay Zekâ Destekli Prognostik Belirteç Tespiti
(2023) Doğan, Refika Sultan; Yılmaz, Bülent
Dünya Sağlık Örgütü'nün 2023 yılı istatistiklerine göre kolorektal kanser dünya çapında en sık görülen üçüncü kanser türüdür ve tüm kanser vakalarının yaklaşık %10'unu oluşturmaktadır. Çoğu kolon kanseri, kolon mukozasında anormal hücre çoğalması sonucu oluşan poliplerle başlar. Kolon polipleri neoplastik ve neoplastik olmayan olarak iki türe ayrılır ve neoplastik polipler kanser potansiyele sahiptir. Kolonoskopi poliplerin tespitinde en yaygın kullanılan yöntemdir. Kolonoskopun ucundaki aletle poliplerin tespit edilip çıkarılması (polipektomi) mümkündür. Çıkarılan poliplerin neredeyse tamamının Hematoksilen ve Eozin (H&E) boyalı doku slaytları hazırlanıp patologlar tarafından mikroskop altında incelenir. Belirsizlik durumunda, kansere özgü önemli antijen (protein) ekspresyonlarını göstermek için immünohistokimyasal (İHK) analizler yapılır. Bu tezde dört ana çıktı elde edildi: İlk olarak, kolonoskopi videoları ve görüntüleri/kareleri kullanılarak polip tipi/alt tipi, evresi ve malignite potansiyelinin otomatik olarak belirlenmesi ve patoloji raporları ile İHK analiz sonuçlarının etiket olarak kullanılması araştırıldı. İkinci olarak kolonoskopi görüntülerinden, patoloji raporundan ve İHK analiz sonuçlarından elde edilen özellikler kullanılarak histopatoloji görüntülerinden kolon poliplerinin otomatik karakterizasyonu incelendi. Üçüncüsü, kanser potansiyeli gösterebilecek polip tipi/alt tipi, evresi ve olası prognostik özellikler (biyobelirteçler) istatistiksel yaklaşımlar kullanılarak analiz edildi. Son olarak Ki-67 (klon 30-9), CD34 (klon QBend/10), p53 (klon bp53-11), BRAF (klon V600E) , VEGF (klon SP125) ve PD-L1 (klon SP142) belirteçlerine ait 400'den fazla polipin kolonoskopi ve histopatoloji görüntülerini, polip tipini, lokasyonunu, evresini ve IHC analiz sonuçlarını içeren kapsamlı bir veri tabanı oluşturuldu ve bu veri tabanı oluşturuldu. açık kaynak kodlu bir depo olarak bilim camiasıyla paylaşılmaktadır.