Tez No	İndirme	Tez Künye	Durumu
320811		Meme kanseri biyopsi örneklerinde östrojen hormonu alıcı varlığının zeki yöntemlerle tespiti / Using intelligent methods to detect estrogen hormone receptor existance in breast cancer biopsy samples Yazar:FATİH SARIKOÇ Danışman: PROF. DR. ADEM KALINLI Yer Bilgisi: Erciyes Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Biyomühendislik = Bioengineering ; Patoloji = Pathology Dizin:Görüntü analizi = Image analysis ; Görüntü bölütleme = Image segmentation ; Görüntü işleme yöntemleri = Image processing methods ; Hücre sınıflandırma = Cell classification ; Neoplazm hücreleri = Neoplastic cells ; Örüntü sınıflama = Pattern classification	Onaylandı Doktora Türkçe 2012 148 s.
Östrojen alıcı durumunun değerlendirilmesi, meme kanserinin tanısında başvurulan ve doktor tarafında öznel olarak gerçekleştirilen bir işlemdir. Östrojen alıcı durum değerlendirmesinde yeniden üretilebilir ve nesnel sonuçlar almak için, bu tez çalışmasında çeşitli yapay öğrenme yöntemleri ve farklı öznitelik kümelerinin sınıflama ve tıbbî tanı başarımları incelenmiştir.Yarıçap fonksiyonlu ağlar, k-en yakın komşuluk metodu, destek vektör makineleri, sade bayes sınıflayıcı, fonksiyonel karar ağaçları ve k-orta nokta algoritması test veri kümesi üzerinde deneysel olarak incelenmiştir. Çeşitli öznitelik kümeleri üzerinde her bir metodun sınıflama başarımı araştırılmıştır. Bu metotlarla test resimleri üzerinde elde edilen tanı karaları uzman patologların kararları ile karşılaştırılmıştır.Elde edilen deneysel sonuçlara göre, östrojen alıcı tanısında fonksiyonel karar ağaçları ve sade bayes sınıflayıcısının birleşimden oluşan tümleşik model en iyi tanı puanlamasını ve östrojen alıcı negatif/pozitif ayırımını gerçekleştirmiştir. Bu iki yöntem diğer metotlara göre daha iyi genelleme yapabilme özelliğini ortaya koymuştur. Elde edilen sonuçlara göre, dalgacık desen öznitelikleri Laws desen özniteliklerinden ve eş oluşum matrisi özniteliklerinden daha üstün sınıflama kabiliyeti göstermektedir.
In medical practice for prognosis of breast cancer, estrogen receptor status evaluations have been done subjectively. To get objective and reproducible analysis of estrogen receptor, this thesis examined classification and prognostic scoring performances of several computer methods on different feature sets.Radial basis function network, k-nearest neighborhood search, support vector machines, naive bayes classifier, functional trees and k-means clustering algorithm were experimented on the test datasets. Several features were employed and classification accuracies of each method on these features were examined. Assessment results of the methods on test images were also experimentally compared with that of two pathologist experts.According to results our experimental work, combination of functional trees and naive bayes classifier gave the best prognostic scores and dichotomization results for assessment of estrogen receptor status. These two methods showed better generalization behavior than the other methods. Wavelet color features provided better classification accuracy than Laws texture energy and co-occurrence matrix features.