Saadaldeen Rashid AHMED AHMED, Osman Nuri UÇAN, Adil Deniz DURU, Oğuz BAYAT

ARTIRILMIŞ EVRİŞİMSEL SINIR AĞLARI ILE GÖĞÜS KANSERI TEŞHISI VE GÖRÜNTÜ DEĞERLENDIRMESI

ÖzetMeme kanseri, dünyada insan ölümüne sebep olan başlıca hastalıklardan biridir.Erken teşhis, doğru tedaviningeliştirilmesini ve sağ kalma olasılığını arttırır, ancak bu süreç belirsizdir ve düzenli olarak patologlar arasındabir çelişki yaratır. PC destekli sonuç sistemlerinin, görüntükesinliğini arttırmada belirli potansiyele sahipolduğu belirtilir.Bu çalışmada , kucak malign büyüme histolojisi resim karakterizasyonu için artan derinevrişim sinir sistemlerine bağlı olan hesaplama metodolojisini geliştiriyoruz. Hematoksilen ve eosin recoloredgöğüs histolojisinde mikroskopi resim veri seti Kaggle tarafından Meme Kanseri Histolojisi Görüntülerineverilmiştir. Metodolojimiz birkaç derin sinir sistemi yapısı kullanır ve meyilli ağaç sınıflandırıcısına yardımcıolur. 5 sınıflı gruplama ataması için% 88,4 oranında doğruluk bildiririz. Karsinomları tanımayı üstlenen 4 sınıflıgruplama için yüksek afiniteli çalışma noktasında% 92,3 doğruluk,% 96,2 ve afektabilite% 94,5 oranındarapor ediyoruz. Herhangi biri söz konusu olduğunda, bu metodoloji bilgisayarlı histopatolojik imge gruplamasındadiğer temel teknikleri de uygular.

Anahtar Kelimeler:

Derin öğrenme teknikleri, Morfolojik işleme, Görüntü işleme, Bilgisayarla görme. Görüntü sınıflandırma, Meme kanseri, Özellik çıkarma

BREAST CANCER DETECTION AND IMAGE EVALUATION USING AUGMENTED DEEP CONVOLUTIONAL NEURAL NETWORKS

Abstract

Keywords:

Deep learning techniquesi Morphological processing, Image processing, Computer vision, Image classification, Breast cancer, Feature extraction,

PDF

___

A. N. Tosteson, D. G. Fryback, C. S. Hammond, L. G. Hanna, M. R. Grove, M. Brown, Q. Wang, K. Lindfors, and E. D. Pisano. 2014. “Consequences of false-positive screening mammograms,” JAMA internal medicine, vol. 174, no. 6, (pp. 954–961), 2014.
Breast Cancer Wisconsin (Diagnostic) Data Set Predict whether the cancer is benign or malignant https:// www.kaggle.com/uciml/breast-cancer-wisconsin-data
D. B. Kopans. 2002. “Beyond randomized controlled trials: organized mammographic screening substantially reduces breast carcinoma mortality,” Cancer, vol. 94, no. 2, (pp. 580–1); author reply 581–3, [Online]. Available: http://www.ncbi.nlm.nih.gov/pubmed/11900247http://www.ncbi.nlm.nih.gov/pubmed/11900247
D. B. Kopans. 2015. “An open letter to panels that are deciding guidelines for breast cancer screening,” Breast Cancer Res Treat, vol. 151, no. 1, (pp. 19–25). [Online]. Available: http: //www.ncbi.nlm.nih.gov/pubmed/ 25868866
E. Hinton, N. Srivastava, A. Krizhevsky, I. Sutskever, and R. R. Salakhutdinov. 2012. “Improving neural networks by preventing co-adaptation of feature detectors,” arXiv preprint arXiv:1207.0580.
R. Siegel, K. D. Miller and A. Jemal. 2018. Cancer statistics, 2018, CA: A Cancer Journal for Clinicians, 68 (1), 7–30.
H.-C. Shin, H. R. Roth, M. Gao, L. Lu, Z. Xu, I. Nogues, J. Yao, D. Mollura, and R. M. Summers. 2016. “Deep Convolutional Neural Networks for Computer-Aided Detection: CNN Architectures, Dataset Characteristics and Transfer Learning,” IEEE Transactions on Medical Imaging 35, 1285-98.
L. Tabar, B. Vitak, H. H. Chen, M. F. Yen, S. W. Duffy, and R. A. Smith. 2001. “Beyond randomized controlled trials: organized mammographic screening substantially reduces breast carcinoma mortality,” Cancer, vol. 91, no. 9, (pp. 1724–31).
N. Tajbakhsh, J. Y. Shin, S. R. Gurudu, R. T. Hurst, C. B. Kendall, M. B. Gotway, and J. Liang. 2016. “Deep Convolutional Neural Networks for Medical Image Analysis: Full Training and Fine Tuning,” IEEE Transactions on Medical Imaging 35, 1299-1312 .
S. W. Duffy, L. Tabar, and R. A. Smith. 2002. “The mammographic screening trials: commentary on the recent work by Olsen and Gotzsche,” CA Cancer J Clin, vol. 52, no. 2, (pp. 68–71). [Online]. Available: http:// www.ncbi.nlm.nih.gov/pubmed/11929006http://www.ncbi.nlm.nih.gov/pubmed/11929006
S. W. Duffy, L. Tabar, H. H. Chen, M. Holmqvist, M. F. Yen, S. Abdsalah, B. Epstein, E. Frodis, E. Ljungberg, C. Hedborg-Melander, A. Sundbom, M. Tholin, M. Wiege, A. Akerlund, H. M. Wu, T. S. Tung, Y. H. Chiu, C. P. Chiu, C. C. Huang, R. A. Smith, M. Rosen, M. Stenbeck, and L. Holmberg. 2002.
“The impact of organized mammography service screening on breast carcinoma mortality in seven swedish counties,” Cancer, vol. 95, no. 3, (pp. 458–69).
W. Samuelson and N. Petrick. 2006. “Comparing image detection algorithms using resampling,” 3rd IEEE International Symposium on Biomedical Imaging: Nano to Macro, 2006. 1312-1315.
Y. LeCun, B. Boser, J. S. Denker, D. Henderson, R. E. Howard, W. Hubbard, and L. D. Jackel. 1989. “Backpropagation applied to handwritten zip code recognition,” Neural computation, vol. 1, no. 4, (pp. 541–551), 1989.
Y. LeCun, Y. Bengio, and G. Hinton. 2015. “Deep learning,” Nature, vol. 521, no. 7553, (pp. 436–444).