• Türkçe
    • English
  • English 
    • Türkçe
    • English
  • Login
View Item 
  •   DSpace@Medipol
  • Araştırma Çıktıları | TR-Dizin | WoS | Scopus | PubMed
  • Scopus İndeksli Yayınlar Koleksiyonu
  • View Item
  •   DSpace@Medipol
  • Araştırma Çıktıları | TR-Dizin | WoS | Scopus | PubMed
  • Scopus İndeksli Yayınlar Koleksiyonu
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Meme kanserinde CerbB2 tümör hücrelerinin sınıflandırılması için derin öğrenme tabanlı bir yaklaşım

Thumbnail

View/Open

Tam Metin / Full Text (492.9Kb)

Access

info:eu-repo/semantics/openAccess

Date

2017

Author

Tataroğlu, Gözde Ayşe
Genç, Anıl
Kabakçı, Kaan A.
Çapar, Abdülkerim
Töreyin, Behçet Uğur
Ekenel, Hazim Kemal
Çetinaslan Türkmen, İlknur
Erdoğan Çakır, Aslı

Metadata

Show full item record

Citation

Tataroğlu, G. A., Genç, A., Kabakçı, K. A., Çapar, A., Töreyin, B. U., Ekenel, H. K. … Erdoğan Çakır, A. (2017). Meme kanserinde CerbB2 tümör hücrelerinin sınıflandırılması için derin öğrenme tabanlı Bir yaklaşım. 25th Signal Processing and Communications Applications Conference (SIU). Antalya, Turkey, May 15-18, 2017. https://dx.doi.org/10.1109/SIU.2017.7960587

Abstract

Bu çalışmada, meme kanserinde CerbB2 tümör hücre skorlarının derin öğrenme modellerine dayalı olarak sınıflandırılmasına yönelik, özgün bir yaklaşım önerilmektedir. Bildirinin bir diğer katkısı da, özgün meme kanseri dokusundan veri kümesinin oluşturulmasıdır. Derin öğrenme modellerinin eğitilmesi, doğrulanması ve sınanması amacıyla, doku örnek görüntüleri üzerinden hücre parçaları oluşturulmuştur. Oluşturulan hücre parçalarına ilişkin CerbB2 tümör skorları, evrişimsel sinir ağları (ESA) yardımıyla yüksek başarımda sınıflandırılmıştır.
 
This study proposes a unique approach to classify CerbB2 tumor cell scores in breast cancer based on deep learning models. Another contribution of the study is the creation of a dataset from original breast cancer tissues. On the purpose of training, validating and testing with deep learning models cell fragments were generated from sample tissue images. CerbB2 tumor scores were generated for the cell fragments were classified with high performance by the aid of convolutional neural networks (CNN).
 

Source

25th Signal Processing and Communications Applications Conference (SIU)

URI

https://hdl.handle.net/20.500.12511/1522
https://dx.doi.org/10.1109/SIU.2017.7960587

Collections

  • Bildiri Koleksiyonu [485]
  • Scopus İndeksli Yayınlar Koleksiyonu [5808]
  • WoS İndeksli Yayınlar Koleksiyonu [5978]



DSpace software copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback
Theme by 
@mire NV
 

 




| Guide | Contact |

DSpace@Medipol

by OpenAIRE
Advanced Search

sherpa/romeo

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsInstitution AuthorORCIDTitlesSubjectsTypeLanguageDepartmentCategoryWoS Q ValueScopus Q ValuePublisherAccess TypeThis CollectionBy Issue DateAuthorsInstitution AuthorORCIDTitlesSubjectsTypeLanguageDepartmentCategoryWoS Q ValueScopus Q ValuePublisherAccess Type

My Account

LoginRegister

Statistics

View Google Analytics Statistics

DSpace software copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback
Theme by 
@mire NV
 

 


|| Guide || Library || İstanbul Medipol University || OAI-PMH ||

Kütüphane ve Dokümantasyon Daire Başkanlığı, İstabul, Turkey
If you find any errors in content, please contact: [email protected]

Creative Commons License
DSpace@Medipol by İstanbul Medipol University Institutional Repository is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 4.0 Unported License..

DSpace@Medipol:


DSpace 6.2

tarafından İdeal DSpace hizmetleri çerçevesinde özelleştirilerek kurulmuştur.