Munzur ÜniversitesiMunzur ÜniversitesiAçık Erişim Arşivi · RDL Open

Meme Kanseri Histopatolojik Görüntülerinin Evrişimsel Sinir Ağları ile Sınıflandırılması

MakaleYalnız künye

Özet

Meme 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.

Anahtar Kelimeler

Bilgisayar Bilimleri, Yazılım MühendisliğiPatolojiGörüntüleme Bilimi ve Fotoğraf TeknolojisiOnkolojiGöz HastalıklarıCerrahiBilgisayar Bilimleri, Yapay Zeka
RDL Kalıcı Bağlantı (PID)
https://rdlopen.rawdatalibrary.net/r/munzur/5102Resmi atıflarda kullanılan kalıcı adres
İndeks kayıtları
TR DizinTR Dizin'de ara
Kaydın indeks veri tabanlarındaki sayfası (aktarımda alınan kayıt numarasıyla). Erişim, indeksin kendi koşullarına bağlıdır.
Atıflar
TR Dizin
2
Her kaynağın kendi saydığı toplam atıf; aktarım ve zenginleştirme sırasında alındı.
Tam Kayıt
AlanDeğerDil
dc.contributor.authorTalo, Muhammed
dc.date.accessioned2026-10-28T15:06:55.781066719Z
dc.date.available2026-10-28T15:06:55.781066719Z
dc.date.issued2019
dc.description.abstractMeme 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.
dc.identifier.endpage398
dc.identifier.issn1308-9072
dc.identifier.issue2
dc.identifier.startpage391
dc.identifier.urihttps://rdlopen.rawdatalibrary.net/r/munzur/5102
dc.identifier.volume31
dc.language.isotr
dc.relation.ispartofFırat Üniversitesi Mühendislik Bilimleri Dergisi
dc.rightsinfo:eu-repo/semantics/closedAccess
dc.subjectBilgisayar Bilimleri, Yazılım Mühendisliği
dc.subjectPatoloji
dc.subjectGörüntüleme Bilimi ve Fotoğraf Teknolojisi
dc.subjectOnkoloji
dc.subjectGöz Hastalıkları
dc.subjectCerrahi
dc.subjectBilgisayar Bilimleri, Yapay Zeka
dc.titleMeme Kanseri Histopatolojik Görüntülerinin Evrişimsel Sinir Ağları ile Sınıflandırılması
dc.typeArticle
rdl.citation.trdizin2
rdl.source.indexTRDIZIN