ANALYZING BREAST CANCER USING THERMOGRAPHY AND CONVOLUTIONAL NEURAL NETWORKS

Abstract

Termografi ve Evrişimsel Sinir Ağları ile Meme Kanseri Analizi Termografi, tıbbi alanda yaygın olarak kullanılan cerrahi işlem gerektirmeyen (non-invaziv) ve tamamen temassız bir görüntüleme tekniğidir. Kanserin erken teşhisi çok önemli olduğundan, bilgisayar destekli sistem etkilenen kişinin teşhis, tedavi ve hayatta kalma oranını artırabilir. Etkilenen kişilerin yaygınlığına ek olarak yüksek tedavi maliyeti de göz önüne alındığında, erken tanı bu hastalığın sağlık ve sosyal komplikasyonlarının azaltılmasında en önemli adımdır. Günümüzde meme kanseri taramasında kullanılan ana yöntem mamografidir. Ancak genç kadınlar için yoğun meme dokusundan kaynaklanan düşük çözünürlük nedeniyle mamografi önerilmemektedir ve bu amaçla alternatif teknikler göz önünde bulundurulmalıdır. Meme kanseri, kadınlar arasında kansere bağlı ölümlerin ana nedenidir. Kanserin erken teşhisi, özellikle meme kanseri tedavi sürecine yardımcı olacaktır. Bu tez çalışmasındaki amacımız, meme kanserinin erken teşhisine olanak tanıyan, görüntülerden hastalığın belirtilerini tespit ederek termal meme görüntülerini analiz etmek için görüntü işleme teknikleri ve algoritmalarını kullanan otomatik bir meme kanseri tespit yazılımı geliştirmektir. Biyo verilere, görüntü analizine ve görüntü istatistiklerine dayanarak meme karakteristik özelliklerinin çıkarılması için yeni bir algoritma önerilmiştir. Bu özellikler, bir termal kamera tarafından yakalanan termal görüntülerden elde edilmiştir ve Bayes optimizasyon algoritması ile optimize edilen evrişimsel sinir ağları (CNNs) kullanılarak meme görüntüleri normal veya şüpheli olarak sınıflandırılacaktır. Önerilen yöntem kullanılarak 140 kişiye ait termal görüntü içeren veri seti ile % 98.95'lik doğruluk oranı elde edilmiştir. Anahtar Kelimeler: Meme kanseri, Göğüs termal görüntüsü, evrişimsel sinir ağı, görüntü analizi, termografi.

Analyzing Breast Cancer Using Thermography and convolutional neural network Thermography is an entirely non-invasive and non-contact imaging technique that is widely used in the medicinal field. Since the early detection of cancer is very important, the computer-aided system can increase the rate of diagnosis, cure, and survival of the affected person. Considering the high cost of treatment in addition to the high prevalence of affected persons, early diagnosis is the most important step in reducing the health and social complications of this disease. Currently, mammography is the main method used for screening breast cancer. However, for young woman, mammography is not recommended due to the low contrast that results from the dense breast, and alternative techniques must be considered for this purpose. Breast cancer is the main cause of cancer-related mortality among women. Early detection of cancer-especially breast cancer-will aid the treatment process. Our goal is to develop software for detecting breast cancer automatically that uses image-processing techniques and algorithms to analyze thermal breast images to detect the signs of the disease in these images, allowing the early detection of breast cancer. A new algorithm is proposed for the extraction of the breast characteristic features based on bio-data, image analysis, and image statistics. These features have been extracted from the thermal images captured by a thermal camera, and will be used to classify the breast images as normal or suspected by using convolutional neural networks (CNNs) optimized by Bayes algorithm . By using our proposed algorithm, a 98.95% of accuracy rate was obtained for the thermal images in the data set belonging to 140 individuals. Keywords Breast cancer, breast thermal image, convolutional neural network, image analysis, thermography