Matches in SemOpenAlex for { <https://semopenalex.org/work/W3143014089> ?p ?o ?g. }
Showing items 1 to 56 of
56
with 100 items per page.
- W3143014089 endingPage "137" @default.
- W3143014089 startingPage "130" @default.
- W3143014089 abstract "Histolojik kan dokusu görüntülerinde beyaz kan hücreleri olarak da bilinen lökosit türlerinin belirlenmesi, çeşitli hematolojik hastalıkların teşhisine olanak sağlaması açısından önemlidir. Bu çalışmada, hematolojik bir bozukluk olan lenfoma kanserinin teşhisi için derin öğrenme yaklaşımı kullanarak otomatik tespit ve sınıflandırma modeli sunulmuştur. Bir tür bölge tabanlı Konvolüsyonel Sinir Ağı (KSA) modeli olan Faster R-CNN nesne tespiti ve sınıflandırma problemlerinde tatmin edici performans elde etmektedir. Görüntü tabanlı uygulamalarda özellik çıkarma sürecini ortadan kaldırmak için, lenfosit, monosit, bazofil, eozinofil ve nötrofil olan lökosit türlerinin tespiti ve sınıflandırılması için ResNet50 ile modifiye edilmiş Faster R-CNN modeli önerilmiştir. Bu amaçla, ResNet50 modeli modifiye edilerek yeni bir Faster R-CNN nesne tespit modeli tasarlanmış ve görüntüdeki lökositlerin yerleri belirlenerek sınıflandırılmıştır. Önerilen modelin etkinliği, kan dokusu görüntülerini içeren yeni bir histolojik veri seti üzerinde test edilmiştir. Kan dokusundaki lenfosit sayısı, lenfoma kanseri tanısında değerlendirme kriteri olarak kullanılmaktadır. Bu nedenle bu çalışma klinik çalışmalara örnek teşkil etmektedir. Önerilen modele göre, öncelikle kan dokusu görüntüleri normalize edilir ve eğitilebilir konvolüsyon çekirdeği kullanılarak örtük özellikler çıkarılır. Ardından, örtük unsurların boyutlarının azaltılması için maksimum havuzlama uygulanır. Bundan sonra, Bölge Teklif Ağları (BTA'ler), tespit için Faster R-CNN tarafından kullanılan, yüksek kaliteli bölge önerileri oluşturmak için kullanılır. Son olarak, softmax sınıflandırıcı ve regresyon katmanı, sırasıyla lökosit türlerini kategorize etmek ve test örneklerinin sınır kutularını tahmin etmek için kullanılır. Deneysel sonuçlar lökosit türlerinin tespiti ve sınıflandırılması için yeni Faster R-CNN'nin başarılı performansını ve genelleştirme yeteneğini göstermektedir. Bu model klinik çalışmalar için bir teşhis aracı olarak kullanılma potansiyelini göstermektedir çünkü yöntem gerçek dünya histolojik veri setinde test edilmiştir." @default.
- W3143014089 created "2021-04-13" @default.
- W3143014089 creator A5035677205 @default.
- W3143014089 creator A5089814459 @default.
- W3143014089 date "2021-04-05" @default.
- W3143014089 modified "2023-10-18" @default.
- W3143014089 title "Derin Öğrenme Yaklaşımı ile Histolojik Kan Doku Görüntülerinde Lökosit Türlerinin Tespiti ve Sınıflandırılması" @default.
- W3143014089 cites W1536680647 @default.
- W3143014089 cites W2012442592 @default.
- W3143014089 cites W2102605133 @default.
- W3143014089 cites W2194775991 @default.
- W3143014089 cites W2412322763 @default.
- W3143014089 cites W2618530766 @default.
- W3143014089 cites W2770156338 @default.
- W3143014089 cites W2888024273 @default.
- W3143014089 cites W2907322847 @default.
- W3143014089 cites W2917675508 @default.
- W3143014089 cites W2985910765 @default.
- W3143014089 cites W3084048731 @default.
- W3143014089 cites W3112972835 @default.
- W3143014089 doi "https://doi.org/10.31590/ejosat.901693" @default.
- W3143014089 hasPublicationYear "2021" @default.
- W3143014089 type Work @default.
- W3143014089 sameAs 3143014089 @default.
- W3143014089 citedByCount "0" @default.
- W3143014089 crossrefType "journal-article" @default.
- W3143014089 hasAuthorship W3143014089A5035677205 @default.
- W3143014089 hasAuthorship W3143014089A5089814459 @default.
- W3143014089 hasBestOaLocation W31430140891 @default.
- W3143014089 hasConcept C121332964 @default.
- W3143014089 hasConcept C153911025 @default.
- W3143014089 hasConcept C86803240 @default.
- W3143014089 hasConceptScore W3143014089C121332964 @default.
- W3143014089 hasConceptScore W3143014089C153911025 @default.
- W3143014089 hasConceptScore W3143014089C86803240 @default.
- W3143014089 hasIssue "24" @default.
- W3143014089 hasLocation W31430140891 @default.
- W3143014089 hasLocation W31430140892 @default.
- W3143014089 hasOpenAccess W3143014089 @default.
- W3143014089 hasPrimaryLocation W31430140891 @default.
- W3143014089 hasRelatedWork W2271181815 @default.
- W3143014089 hasRelatedWork W2902782467 @default.
- W3143014089 hasRelatedWork W2935759653 @default.
- W3143014089 hasRelatedWork W3105167352 @default.
- W3143014089 hasRelatedWork W3148032049 @default.
- W3143014089 hasRelatedWork W54078636 @default.
- W3143014089 hasRelatedWork W1501425562 @default.
- W3143014089 hasRelatedWork W2298861036 @default.
- W3143014089 hasRelatedWork W2954470139 @default.
- W3143014089 hasRelatedWork W3084825885 @default.
- W3143014089 isParatext "false" @default.
- W3143014089 isRetracted "false" @default.
- W3143014089 magId "3143014089" @default.
- W3143014089 workType "article" @default.