YSA KULLANILARAK MAMOGRAMLARDAN DOKUSAL ÖZNİTELİK TABANLI MEME KANSERİ İLGİ BÖLGESİ SINIFLANDIRILMASI
| dc.contributor.author | Sena Busra YENGEC TASDEMIR | |
| dc.contributor.author | Kasim TASDEMIR | |
| dc.contributor.author | Zafer AYDIN | |
| dc.contributor.department | AGÜ, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü | en_US |
| dc.date.accessioned | 2021-06-18T07:58:22Z | |
| dc.date.available | 2021-06-18T07:58:22Z | |
| dc.date.issued | 2020 | en_US |
| dc.description.abstract | Radyoloji uzmanlarının mamografi görüntülerine bakarak yaptığı meme kanseri teşhislerinde tip bir hata oranı yüzde otuzlara kadar çıkmaktadır. Kanserin teşhis başarısını artırmak adına bu çalışmada uzmanlara yardımcı olacak yeni bir Bilgisayar Yardımlı Teşhis sistemi, kanserli ve normal dokuyu ayırt etmek için önerilmektedir. Önerilen sistemde kontrast limitli histogram eşitleme (CLAHE) yöntemiyle iyileştirilen görüntülerin iki boyutlu parçacık dönüşümlerinden (2B– DWT) Haralick ve HOG öznitelikleri çıkarılmıştır. Özniteliklerin sayısını azaltması için temel bileşenler analizi (PCA) algoritması kullanılmıştır. Seçilen öznitelikler çok katmanlı algılayıcı (MLP) mimari yapısına sahip yapay sinir ağına (YSA) girdi olarak verilmiştir. Çok katmanlı algılayıcı üzerinde Adam eniyileme yapıldığında %81 tespit doğruluğu yakalanmıştır. Ayrıca, diğer bir çok temel makine öğrenmesi ve derin öğrenme yöntemleri denenerek karşılaştırma sonuçları detaylı olarak sunulmuştur. Sınırlı sayıda veri kümesi kullanıldığında transfer öğrenim kullanılsa dahi derin öğrenme yöntemlerinin tespit başarısı azalmıştır. Buna karşılık doğru ön işleme, öznitelik seçilimi ve makine öğrenmesi yaklaşımları kullanıldığı zaman geleneksel bilgisayarlı görü yöntemleri daha başarılı sonuçlar vermiştir | en_US |
| dc.identifier.issn | 1308-6693 | |
| dc.identifier.issn | 1308-6693 | |
| dc.identifier.uri | https://doi.org/ https://doi.org/10.21923/jesd.827131 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12573/800 | |
| dc.identifier.volume | Cilt: 8 Sayı: 5 Sayfa 133 - 141 | en_US |
| dc.language.iso | tur | en_US |
| dc.publisher | TÜBİTAK ULAKBİM Ulusal Akademik Ağ ve Bilgi Merkezi Cahit Arf Bilgi Merkezi | en_US |
| dc.relation.isversionof | https://doi.org/10.21923/jesd.827131 | en_US |
| dc.relation.journal | Mühendislik Bilimleri ve Tasarım Dergisi | en_US |
| dc.relation.publicationcategory | Makale - Ulusal - Editör Denetimli Dergi | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.subject | Transfer Learning with Deep Learning | en_US |
| dc.subject | Computer Vision | en_US |
| dc.subject | Machine Learning | en_US |
| dc.subject | Computer Aided Cancer Detection | en_US |
| dc.title | YSA KULLANILARAK MAMOGRAMLARDAN DOKUSAL ÖZNİTELİK TABANLI MEME KANSERİ İLGİ BÖLGESİ SINIFLANDIRILMASI | en_US |
| dc.title.alternative | TEXTURAL FEATURE BASED REGION OF INTEREST CLASSIFICATION USING ANN FROM MAMMOGRAMS | en_US |
| dc.type | article | en_US |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- YSA KULLANILARAK MAMOGRAMLARDAN DOKUSAL ÖZNİTELİK TABANLI MEME KANSERİ İLGİ BÖLGESİ SINIFLANDIRILMASI.pdf
- Size:
- 449.83 KB
- Format:
- Adobe Portable Document Format
- Description:
- Makale Dosyası
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.44 KB
- Format:
- Item-specific license agreed upon to submission
- Description: