Meme Ultrason Görüntülerinde Kanser Hücre Segmentasyonu için Yeni Bir FCN Modeli

Basit Öğe Kaydı
dc.contributor.authorÖzdemir, Cüneyt
dc.date.accessioned2024-12-24T19:18:05Z
dc.date.available2024-12-24T19:18:05Z
dc.date.issued2023
dc.departmentSiirt Üniversitesi
dc.description.abstractMeme kanseri kadınlar arasında yaygın bir hastalıktır. Zamanında teşhis ve uygun müdahale, iyileşme beklentilerini önemli ölçüde artırır ve hastalığın ilerlemesini engeller. Meme kanserinin görsel görüntüleri, meme dokusunu kötü huylu ve kötü huylu olmayan alanlara ayırmaya hizmet ederek, kötü huylu hücrelerin ayırt edilmesi, tümör boyutlarının değerlendirilmesi ve neoplazmın evrelendirilmesi dahil olmak üzere çok önemli bilgiler sağlar. Meme kanseri taramaları, özellikle genç ve hamile kadınlar grubundaki hassasiyetleri iyileştirmek için yürürlüğe konmuştur. Bununla birlikte, radyografik tasvirlerin incelenmesinin yanlışlıkla bazı incelikleri gözden kaçırabileceği durumlar da vardır. Gelişmiş yapay zeka paradigmaları, sofistike hesaplama metodolojileri ile birleştiğinde, daha yüksek hassasiyette sonuçlar elde etmek için kullanılmaktadır. Bu bağlamda, ultrason teknolojisi tarafından kolaylaştırılan segmentasyon metodolojisi çok önemli bir müdahale olarak ortaya çıkmaktadır. Mevcut araştırmada, sapmaların tanımlanması ve kanserojen bölgelerin belirlenmesi için U-Net ve yenilikçi bir Fully Convolutional Network mimarisinden yararlanılmıştır. Bu çalışma kapsamında önerilen Fully Convolutional Network mimarisi, test görüntülerinde %77,2 MeanIoU, %71,6 precision, %77,7 recall ve %74,5 F1 skoru elde edilmiştir. U-Net modeli ile %76,4 MeanIoU, %67,6 precision, %80,4 recall ve %73 F1 skoru elde edilmiştir. Bulgular, önerilen Fully Convolutional Network mimarisinin U-Net modeline göre daha iyi performans sergilediğini ortaya koymuştur. Bu sonuçlar, meme kanseri teşhisi ve tedavisi için segmentasyon işleminin önemini vurgulamakta ve önerilen Fully Convolutional Network mimarisinin U-Net mimarisinden daha başarılı olduğunu ortaya koymaktadır.
dc.identifier.doi10.35414/akufemubid.1259253
dc.identifier.endpage1170
dc.identifier.issn2149-3367
dc.identifier.issue5
dc.identifier.startpage1160
dc.identifier.trdizinid1216222
dc.identifier.urihttps://doi.org/10.35414/akufemubid.1259253
dc.identifier.urihttps://search.trdizin.gov.tr/tr/yayin/detay/1216222
dc.identifier.urihttps://hdl.handle.net/20.500.12604/4929
dc.identifier.volume23
dc.indekslendigikaynakTR-Dizin
dc.language.isotr
dc.relation.ispartofAfyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_20241222
dc.subjectU-Net
dc.subjectsegmentasyon
dc.subjectFully Convolutional Network
dc.subjectmeme görüntüsü
dc.subjectkanserli hücre
dc.titleMeme Ultrason Görüntülerinde Kanser Hücre Segmentasyonu için Yeni Bir FCN Modeli
dc.typeArticle

Dosyalar

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu