Breast cancer classification using deep neural network

Son birkaç on yılda, meme kanseri vakaları muazzam bir şekilde arttı. Hem gelişmiş hem de gelişmemiş ülkelerde kadınlarda en popüler ikinci ölüm nedenidir. Her 100 kadından 8'i yaşamları boyunca bu popüler ve tehlikeli hastalıkla karşı karşıya. Bu hastalığı iyileştirmenin tek yolu meme kanserini erken evrelerde tespit etmektir. Meme kanserinin tanımlanmasındaki gecikme ölüm oranının artmasına neden olur. Uygun bir veri sunumu, sınıflandırma sistemlerinin performansını belirler. Bu çalışmada, makine öğrenimi ve derin öğrenme tekniklerini kullanarak halka açık Break-His veri setinden Meme Kanseri histopatolojik görüntüleri üzerinde bazı sınıflandırmalar yaptık. Göğüs kanseri görüntülerinin daha doğru sınıflandırılması için Resnet-101, Resnet-18 ve Densenet-201 gibi çalışmamızda Cnn olarak farklı sınıflandırıcılar ve LBP, HOG ve MPT gibi çok sayıda el yapımı özellik önerdik. Derin öğrenme, verileri verilerden çıkarır ve düzenler. Derin öğrenme ve makine öğrenimi tekniklerini kullanarak doğruluklarını değerlendirerek bu farklı uygulamaların rekabetçi bir karşılaştırmasını organize ettik ve hazırladık. Ayrıca el yapımı özellik çıkarıcılar için rekabetçi sonuçlar düzenledik ve yakın zamanda yapılan çalışmalarla eşleşen CNN ve el yapımı özellik çıkarıcı doğruluklarını düzenledik. Bu farklı teknikleri kullanarak çok büyük sonuçlar elde ettik. Derin ağların ve CNN'in farklı görüntü sınıflandırmalarında el yapımı özellik çıkarıcıların yerini ne kadar aldığını ortaya çıkardık.