Ağırlıklı CNN Topluluğu Tabanlı Kolorektal Kanser Tespiti

Mustafa Yurdakul; Sakir Tasdemır

Article Details

Ağırlıklı CNN Topluluğu Tabanlı Kolorektal Kanser Tespiti

Authors:

Mustafa Yurdakul | Sakir Tasdemır

Publisher:

Erciyes University

Main Topics:

Görüntü İşleme | Derin Öğrenme | Biyomedikal Görüntüleme

Journal:

Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi Vol.40 Issue 2, pp.270-287

Document Type:

Article

Publication Date:

8/2024

Document Language:

Turkish

Document ID (Org No.):

2001326265

pISSN:

1012-2354

Keywords:

Abstract:

 Kolorektal KanserKKR, dünya çapında yaygın ve potansiyel olarak ölümcül bir hastalıktır. Erken ve doğru teşhis, teşhisin zaman alması, insan hatalarının olasılığı ve uzman doktor eksikliği nedeniyle zor bir süreçtir. Bu çalışmada, tıbbi görüntülerden kolorektal kanserin teşhisini basitleştirmek ve hızlandırmak için derin öğrenme algoritmaları kullanılmıştır. Çeşitli KKR evrelerini içeren Enteroskop Biyopsi Histopatolojik HEEBHI görüntü veri seti kullanıldı. Çeşitli önceden eğitilmiş Evrişimli Sinir Ağı modelleri, görüntüleri iyi huylu veya kötü huylu olarak sınıflandırmak için kullanıldı. Ayrıca, sınıflandırma doğruluğunu artırmak için üç en iyi model ağırlıklı topluluk yöntemiyle birleştirildi. Deneysel sonuçlar, ağırlıklı topluluk yönteminin sınıflandırma performansını önemli ölçüde iyileştirdiğini göstermektedir.

 Kolorektal KanserKKR, dünya çapında yaygın ve potansiyel olarak ölümcül bir hastalıktır. Erken ve doğru teşhis, teşhisin zaman alması, insan hatalarının olasılığı ve uzman doktor eksikliği nedeniyle zor bir süreçtir. Bu çalışmada, tıbbi görüntülerden kolorektal kanserin teşhisini basitleştirmek ve hızlandırmak için derin öğrenme algoritmaları kullanılmıştır. Çeşitli KKR evrelerini içeren Enteroskop Biyopsi Histopatolojik HEEBHI görüntü veri seti kullanıldı. Çeşitli önceden eğitilmiş Evrişimli Sinir Ağı modelleri, görüntüleri iyi huylu veya kötü huylu olarak sınıflandırmak için kullanıldı. Ayrıca, sınıflandırma doğruluğunu artırmak için üç en iyi model ağırlıklı topluluk yöntemiyle birleştirildi. Deneysel sonuçlar, ağırlıklı topluluk yönteminin sınıflandırma performansını önemli ölçüde iyileştirdiğini göstermektedir.

 Kolorektal KanserKKR, dünya çapında yaygın ve potansiyel olarak ölümcül bir hastalıktır. Erken ve doğru teşhis, teşhisin zaman alması, insan hatalarının olasılığı ve uzman doktor eksikliği nedeniyle zor bir süreçtir. Bu çalışmada, tıbbi görüntülerden kolorektal kanserin teşhisini basitleştirmek ve hızlandırmak için derin öğrenme algoritmaları kullanılmıştır. Çeşitli KKR evrelerini içeren Enteroskop Biyopsi Histopatolojik HEEBHI görüntü veri seti kullanıldı. Çeşitli önceden eğitilmiş Evrişimli Sinir Ağı modelleri, görüntüleri iyi huylu veya kötü huylu olarak sınıflandırmak için kullanıldı. Ayrıca, sınıflandırma doğruluğunu artırmak için üç en iyi model ağırlıklı topluluk yöntemiyle birleştirildi. Deneysel sonuçlar, ağırlıklı topluluk yönteminin sınıflandırma performansını önemli ölçüde iyileştirdiğini göstermektedir.

 Kolorektal KanserKKR, dünya çapında yaygın ve potansiyel olarak ölümcül bir hastalıktır. Erken ve doğru teşhis, teşhisin zaman alması, insan hatalarının olasılığı ve uzman doktor eksikliği nedeniyle zor bir süreçtir. Bu çalışmada, tıbbi görüntülerden kolorektal kanserin teşhisini basitleştirmek ve hızlandırmak için derin öğrenme algoritmaları kullanılmıştır. Çeşitli KKR evrelerini içeren Enteroskop Biyopsi Histopatolojik HEEBHI görüntü veri seti kullanıldı. Çeşitli önceden eğitilmiş Evrişimli Sinir Ağı modelleri, görüntüleri iyi huylu veya kötü huylu olarak sınıflandırmak için kullanıldı. Ayrıca, sınıflandırma doğruluğunu artırmak için üç en iyi model ağırlıklı topluluk yöntemiyle birleştirildi. Deneysel sonuçlar, ağırlıklı topluluk yönteminin sınıflandırma performansını önemli ölçüde iyileştirdiğini göstermektedir.

Article Details

Ağırlıklı CNN Topluluğu Tabanlı Kolorektal Kanser Tespiti

Authors:

Mustafa Yurdakul | Sakir Tasdemır

Publisher:

Erciyes University

Main Topics:

Görüntü İşleme | Derin Öğrenme | Biyomedikal Görüntüleme

Journal:

Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi Vol.40 Issue 2, pp.270-287

Document Type:

Article

Publication Date:

8/2024

Document Language:

Turkish

Document ID (Org No.):

2001326265

pISSN:

1012-2354

Ağırlıklı Topluluk Öğrenmesi

Derin Öğrenme

Kolorektal Kanser

Konvolüsyonel Sinir Ağı

Issues

Article Details

Ağırlıklı CNN Topluluğu Tabanlı Kolorektal Kanser Tespiti

Authors: Mustafa Yurdakul | Sakir Tasdemır

Publisher: Erciyes University

Main Topics: Görüntü İşleme | Derin Öğrenme | Biyomedikal Görüntüleme

Journal: Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi Vol.40 Issue 2, pp.270-287

Document Type: Article

Publication Date: 8/2024

Document Language: Turkish

Document ID (Org No.): 2001326265

pISSN: 1012-2354

Ağırlıklı Topluluk Öğrenmesi

Derin Öğrenme

Kolorektal Kanser

Konvolüsyonel Sinir Ağı

Issues

Authors:

Mustafa Yurdakul | Sakir Tasdemır

Publisher:

Erciyes University

Main Topics:

Görüntü İşleme | Derin Öğrenme | Biyomedikal Görüntüleme

Journal:

Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi Vol.40 Issue 2, pp.270-287

Document Type:

Article

Publication Date:

8/2024

Document Language:

Turkish

Document ID (Org No.):

2001326265

pISSN:

1012-2354