Akciğer Kanserinin ve Kanser Evresinin Tespit Edilmesinde Derin Öğrenme Uygulamaları
| dc.authorid | 0000-0002-1160-2598 | |
| dc.contributor.advisor | Özmen, Güzin | |
| dc.contributor.author | Al Bayatı, Maryam Abbas Fadhıl | |
| dc.date.accessioned | 2024-10-24T07:44:06Z | |
| dc.date.available | 2024-10-24T07:44:06Z | |
| dc.date.issued | 2023 | |
| dc.date.submitted | 01.12.2023 | |
| dc.department | Selçuk Üniversitesi | |
| dc.description.abstract | 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. | |
| dc.description.abstract | 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. | |
| dc.identifier.citation | Al Bayatı M. A. F., (2024). Akciğer Kanserinin ve Kanser Evresinin Tespit Edilmesinde Derin Öğrenme Uygulamaları. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya. | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12395/52836 | |
| dc.identifier.yoktezid | 860751 | |
| dc.language.iso | tr | |
| dc.publisher | Selçuk Üniversitesi, Fen Bilimleri Enstitüsü | |
| dc.relation.publicationcategory | Tez | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Akciğer Kanseri | |
| dc.subject | Bilgisayarlı Tomografi | |
| dc.subject | Derin Öğrenme | |
| dc.subject | Kanser tespiti | |
| dc.subject | Kanser Evreleme | |
| dc.subject | Lung Cancer | |
| dc.subject | Computed Tomography | |
| dc.subject | Deep Learning | |
| dc.subject | Cancer detection | |
| dc.subject | Cancer staging | |
| dc.title | Akciğer Kanserinin ve Kanser Evresinin Tespit Edilmesinde Derin Öğrenme Uygulamaları | |
| dc.title.alternative | Deep Learning Applications in Detecting Lung Cancer and Cancer Stage | |
| dc.type | Master Thesis |
