Yazar "Ardaç, Fatma Betül Kara" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim Yok
    Öğe
    Dönüştürücü mimarileri ile meme histopatolojisi görüntülerinden mitoz tespiti
    (Düzce Üniversitesi, 2025) Ardaç, Fatma Betül Kara; Erdoğmuş, Pakize
    Meme kanseri kadınlarda en sık görülen kanser türüdür. Histopatolojik görüntü analizinde, mitoz hücrelerinin tespiti ve sayısı, kanser derecesinin ve saldırganlığının prognozunda önemli bir biyo belirteçtir. Mitozun patolog tarafından manuel olarak tespit edilmesi uzun ve zorlu bir süreçtir. Derin öğrenme mimarilerindeki gelişmelerle birlikte, çok sayıda otomatik mitoz tespit yöntemi önerilmiştir. Ancak çoğu mitoz tespit yöntemi, görüntü alanları arasında zayıf genelleştirme yeteneğine sahiptir. Bu tez çalışmasının amacı, meme histopatolojisi görüntülerinden mitoz tespiti sorunlarına çözüm getirecek, yüksek doğrulukta, objektif ve hızlı sonuçlar elde edilmesini sağlayacak yeni bir yöntem geliştirmektir. Bu amaçla son zamanlarda medikal alanda üstün başarılar gösteren dönüştürücü mimarisine dayalı üç farklı otomatik mitoz tespit yöntemi önerilmiştir. Önerilen ilk model, mitozun tespiti için DETR'in geliştirilmiş bir versiyonudur ve Mi-DETR olarak adlandırılmıştır. Mi-DETR modeli, CSPResNeXt omurgası, katman azaltma sctratejisi ve CIoU kayıp fonksiyonu ile optimize edilmiştir. Önerilen ikinci modelde, mitozun segmentasyonu için SegFormer mimarisi kullanılmıştır. Deneylerde kullanılan ICPR14 ve TUPAC16 veri setleri, mitoz segmentasyonu için SAM modeli ile segmentasyon veri setlerine dönüştürülmüştür. Mitozun hassas segmentasyonu için MiT-B0'dan MiT-B5'e kadar farklı kodlayıcılar denenmiştir ve ince ayarlar yapılmıştır. Önerilen üçüncü model mitozun tespiti ve segmentasyonu için DETR'in ve SegFormer'ın güçlü yönlerini birleştiren hibrit Mi-SegDeTr yöntemi önerilmiştir. Tüm deneylerde ICPR14 ve TUPAC16 meme histopatolojisi veri setleri kullanılmıştır. Sonuç olarak, önerilen Mi-DETR modeli ile ICPR14 veri setinde 0,921 ve TUPAC16 veri setinde 0,950 F1-Skoru elde edilmiştir. SegFormer modeli ile ICPR14 veri setinde 0,8962 ve TUPAC16 veri setinde 0,8272 F1-Skoru elde edilmiştir. Son olarak Mi-SegDeTr modeli ile ICPR14 veri setinde segmentasyon için 0,9044, tespit için 0,9658 ve TUPAC16 veri setinde segmentasyon için 0,9189, tespit için 0,9684 F1-Skoru elde edilmiştir. Her iki veri seti üzerinde elde edilen sonuçlar, önerilen Mi-SegDeTr modelinin son teknoloji mitoz tespit yöntemleri ile yarışabilecek kadar iyi performans gösterdiğini ortaya koymuştur.