Yıl 2020, Cilt 10 , Sayı 2, Sayfalar 186 - 194 2020-12-27

The Effect of Different Image Magnification Rates in the Detection of Breast Cancer with Convolutional Neural Network Models
Meme Kanserinin Evrişimsel Sinir Ağı Modelleriyle Tespitinde Farklı Görüntü Büyütme Oranlarının Etkisi

Ali NARİN [1]


Breast cancer is a very common form of cancer all over the world. Early diagnosis and detection of this type of cancer, which is mostly seen in women, is very important. Therefore, it is significant to develop computer-aided decision mechanisms in the difficult and laborious breast cancer detection process. In this study, an automated computer based decision support system has been designed to help for the diagnosis of breast cancer. For the system, real raw histopathological images with different magnifications have been used. Whichever of these images are benign or malignant tumors has been decided using the pre-trained ResNet50 Convolutional Neural Network (CNN) and VGG16 CNN. However, it has been investigated which magnification amount has been determined better from 4 different magnification rates (40X, 100X, 200X, 400X) in the data set. As a result, 93.03% accuracy, 93.03% sensitivity and 93.03% specificity performance values for 200X magnification data have been determined with the pre-trained Resnet50 CNN. Similarly, 93.03% accuracy, 99.28% sensitivity and 79.03% specificity values have been achieved in the VGG16 model without pre-trained. According to these obtained results, it is thought that this proposed system will be a computer-based tumor detection application to assist pathologists.
Meme kanseri, tüm dünyada oldukça yaygın olan bir kanser türüdür. Çoğunlukla kadınlarda görülen bu kanser türünün erken tespiti oldukça önemlidir. Bu nedenle zorlu ve yorucu olan meme kanseri tespit sürecinde bilgisayar destekli karar mekanizmalarının geliştirilmesi önem arz etmektedir. Bu çalışmada, meme kanseri tespitinde kesin tanının konulmasına yardımcı olmak için bilgisayar tabanlı otomatik bir karar destek sistemi tasarlanmıştır. Sistem için, farklı büyütme miktarlarına sahip gerçek ham histopatolojik görüntüler kullanılmıştır. Bu görüntülerden hangisinin iyi huylu tümör hangisinin kötü huylu tümör olduğuna ön eğitimli ResNet50 evrişimsel sinir ağı (Convolutional Neural Network (CNN)) ve ön eğitimsiz VGG16 CNN kullanılarak karar verilmiştir. Bununla beraber veri setindeki 4 farklı büyütme oranlarından (40X, 100X, 200X, 400X) hangi büyütme miktarında daha iyi tespit yapıldığı araştırılmıştır. Sonuç olarak 200X büyütme miktarına sahip veriler için %93,03 doğruluk, %93,03 hassaslık ve %93,03 seçicilik performans değerleri ön eğitimli ResNet50 CNN ile tespit edilmiştir. Benzer şekilde ön eğitimsiz VGG16 modelinde ise %93,03 doğruluk, %99,28 hassaslık ve %79,03 seçicilik değerlerine ulaşılmıştır. Elde edilen bu sonuçlara göre, önerilen bu sistemin patologlara yardımcı bir bilgisayar tabanlı tümör tespit uygulaması olacağı düşünülmektedir.
  • Al Rahhal, MM. 2018. Breast cancer classification in histopathological images using convolutional neural network. Int. J. Adv. Comput. Sci. Appl. 9(3): 1-5. Doi: 10.14569/ IJACSA.2018.090310
  • Bayramoglu, N., Kannala, J., Heikkilä, J. 2016. Deep learning for magnification independent breast cancer histopathology image classification. 23rd International conference on pattern recognition (ICPR), pp: 2440-2445. Doi: 10.1109/ ICPR.2016.7900002
  • Deniz, E., Şengür, A., Kadiroğlu, Z., Guo, Y., Bajaj, V., Budak, Ü. 2018. Transfer learning based histopathologic image classification for breast cancer detection. Health Inf. Sci. Syst. 6(18): 1-7. Doi: 10.1007/s13755-018-0057-x
  • DeSantis, CE., Ma, J., Gaudet, MM., Newman, LA., Miller, KD., Goding Sauer, A., Siegel, RL. 2019. Breast cancer statistics, 2019. Cancer J. Clin. 69(6): 438-451. Doi: 10.3322/ caac.21583
  • Duda, RO., Hart, PE., Stork, DG. 2001. Pattern classification, John Wiley and Sons, 2nd edt, New York, USA, 255 pp.
  • George, M., Zayed, H., Roushdy, I., Elbagoury, M. 2014. Remote computer-aided breast cancer detection and diagnosis system based on cytological images. IEEE Syst. J. 8(3): 949- 964. Doi: 10.1109/JSYST.2013.2279415
Birincil Dil tr
Konular Mühendislik
Bölüm Araştırma Makaleleri
Yazarlar

Yazar: Ali NARİN (Sorumlu Yazar)
Kurum: ZONGULDAK BÜLENT ECEVİT ÜNİVERSİTESİ
Ülke: Turkey


Tarihler

Yayımlanma Tarihi : 27 Aralık 2020

Bibtex @araştırma makalesi { karaelmasfen847954, journal = {Karaelmas Fen ve Mühendislik Dergisi}, issn = {2146-7277}, address = {Zonguldak Bülent Ecevit Üniversitesi}, publisher = {Bülent Ecevit Üniversitesi}, year = {2020}, volume = {10}, pages = {186 - 194}, doi = {}, title = {Meme Kanserinin Evrişimsel Sinir Ağı Modelleriyle Tespitinde Farklı Görüntü Büyütme Oranlarının Etkisi}, key = {cite}, author = {Narin, Ali} }
APA Narin, A . (2020). Meme Kanserinin Evrişimsel Sinir Ağı Modelleriyle Tespitinde Farklı Görüntü Büyütme Oranlarının Etkisi . Karaelmas Fen ve Mühendislik Dergisi , 10 (2) , 186-194 . Retrieved from https://dergipark.org.tr/tr/pub/karaelmasfen/issue/58727/847954
MLA Narin, A . "Meme Kanserinin Evrişimsel Sinir Ağı Modelleriyle Tespitinde Farklı Görüntü Büyütme Oranlarının Etkisi" . Karaelmas Fen ve Mühendislik Dergisi 10 (2020 ): 186-194 <https://dergipark.org.tr/tr/pub/karaelmasfen/issue/58727/847954>
Chicago Narin, A . "Meme Kanserinin Evrişimsel Sinir Ağı Modelleriyle Tespitinde Farklı Görüntü Büyütme Oranlarının Etkisi". Karaelmas Fen ve Mühendislik Dergisi 10 (2020 ): 186-194
RIS TY - JOUR T1 - Meme Kanserinin Evrişimsel Sinir Ağı Modelleriyle Tespitinde Farklı Görüntü Büyütme Oranlarının Etkisi AU - Ali Narin Y1 - 2020 PY - 2020 N1 - DO - T2 - Karaelmas Fen ve Mühendislik Dergisi JF - Journal JO - JOR SP - 186 EP - 194 VL - 10 IS - 2 SN - 2146-7277- M3 - UR - Y2 - 2020 ER -
EndNote %0 Karaelmas Fen ve Mühendislik Dergisi Meme Kanserinin Evrişimsel Sinir Ağı Modelleriyle Tespitinde Farklı Görüntü Büyütme Oranlarının Etkisi %A Ali Narin %T Meme Kanserinin Evrişimsel Sinir Ağı Modelleriyle Tespitinde Farklı Görüntü Büyütme Oranlarının Etkisi %D 2020 %J Karaelmas Fen ve Mühendislik Dergisi %P 2146-7277- %V 10 %N 2 %R %U
ISNAD Narin, Ali . "Meme Kanserinin Evrişimsel Sinir Ağı Modelleriyle Tespitinde Farklı Görüntü Büyütme Oranlarının Etkisi". Karaelmas Fen ve Mühendislik Dergisi 10 / 2 (Aralık 2020): 186-194 .
AMA Narin A . Meme Kanserinin Evrişimsel Sinir Ağı Modelleriyle Tespitinde Farklı Görüntü Büyütme Oranlarının Etkisi. Karaelmas Fen ve Mühendislik Dergisi. 2020; 10(2): 186-194.
Vancouver Narin A . Meme Kanserinin Evrişimsel Sinir Ağı Modelleriyle Tespitinde Farklı Görüntü Büyütme Oranlarının Etkisi. Karaelmas Fen ve Mühendislik Dergisi. 2020; 10(2): 186-194.
IEEE A. Narin , "Meme Kanserinin Evrişimsel Sinir Ağı Modelleriyle Tespitinde Farklı Görüntü Büyütme Oranlarının Etkisi", Karaelmas Fen ve Mühendislik Dergisi, c. 10, sayı. 2, ss. 186-194, Ara. 2020