2026-10-29T21:51:04Zhttps://munzur-rdlopen.rawdatalibrary.net/oai/requestoai:munzur-rdlopen.rawdatalibrary.net:munzur/51022026-10-28T15:06:55Zopenairecom_munzur_1col_munzur_2Meme Kanseri Histopatolojik Görüntülerinin Evrişimsel Sinir Ağları ile SınıflandırılmasıTalo, MuhammedBilgisayar Bilimleri, Yazılım MühendisliğiPatolojiGörüntüleme Bilimi ve Fotoğraf TeknolojisiOnkolojiGöz HastalıklarıCerrahiBilgisayar Bilimleri, Yapay ZekaMeme kanseri, dünya çapında kadınlar arasında en fazla ölümün görüldüğü kanser türüdür. Meme kanseri imgelerininbilgisayar destekli sistemler yardımıyla hızlı ve doğru bir şekilde sınıflandırılması hayati önem arz etmektedir. Bu çalışmada,meme kanseri imgelerini iyi ve kötü huylu olarak sınıflandırmak için ResNet-50 mimarisi önerilmiştir. Evrişimsel Sinir Ağıtabanlı ResNet-50 mimarisi kullanılarak, açık kaynak BreakHis veri setindeki, meme kanseri imgelerinin ikili sınıflandırılmasıgerçekleştirilmiştir. ResNet-50 mimarisinin eğitiminde transfer öğrenme yöntemi uygulanmıştır. Önerilen modelinsınıflandırma başarısının, literatürdeki mevcut çalışmalara kıyasla daha yüksek olduğu gözlemlenmiştir. Ayrıca önerilen model, meme kanseri imgeleri üzerinde herhangi bir ön işleme yapmadan verileri otomatik olarak sınıflandırmaktadır.2019Articlehttps://rdlopen.rawdatalibrary.net/r/munzur/51021308-9072trFırat Üniversitesi Mühendislik Bilimleri Dergisiinfo:eu-repo/semantics/closedAccessinfo:eu-repo/semantics/articlehttps://munzur-rdlopen.rawdatalibrary.net/tr/items/munzur/5102