Meme kanserlerinde prognostik faktörleri öngörmede tümörün dijital meme tomosentez görüntülerinin derin öğrenme ile analizi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, MATEMATİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: Türkçe

Öğrenci: ELİF AYDINGÖZ

Danışman: Mert Bal

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Meme kanseri dünya genelinde önemli bir sağlık sorunu olarak karşımıza çıkmaktadır. Meme kanseri, kadınlar arasında en sık görülen kanser türü olup, aynı zamanda kansere bağlı ölümlerde de önemli bir paya sahiptir. Meme kanserinin erken teşhisi ve etkili tedavisi için tomosentez gibi gelişmiş görüntüleme teknolojileri ve derin öğrenme yöntemleri kullanılması büyük önem taşımaktadır. Üç boyutlu bir görüntüleme tekniği olan DBT (Dijital Meme Tomosentezi), daha önce tespit edilmemiş kanserleri yakalamada üstün bir yeteneğe sahiptir. Araştırma kapsamı, malign meme tümörleri üzerinde tomosentez görüntüleri kullanarak patolojik prognostik faktörler öngörülebilir mi analiz etmektir. Bu çalışma ile birlikte tomosentezdeki derin öğrenme analizinin, hızlı prognostik ve öngörücü bilgi sağlayabilen, östrojen reseptörü (ER) durumu, progesteron reseptörü (PR) durumu, HER-2 durumu, Ki-67 proliferasyon indeksi ve üçlü negatif reseptör durumu olmak üzere histoprognotik tümör yapıcıları belirleme potansiyeline sahip olduğunu göstermeyi amaçlıyoruz. Çalışmamızda kullandığımız tomosentez görüntüleri ve pataloji veriler "Başakşehir Çam ve Sakura Şehir Hastanesi" tarafından hastalar anonimleştirilerek sağlanmıştır. Görüntüler üzerinden döndürme, aynalama gibi görüntü ön işleme yöntemleri kullanılarak veri seti çoğaltılmıştır. ResNet50 ve VGG19 tabanlı iki derin öğrenme modeli kullanılmış ve performansları karşılaştırılmıştır. Karşılaştırma için accuracy (doğruluk), loss (kayıp), AUC (area under the curve) gibi metrikler üretilmiştir.