Cervical Cancer Classification Using Deep Learning Techniques. Masters thesis, King Fahd University of Petroleum and Minerals.

Preview

PDF Thesis.pdf Download (5MB) | Preview

Arabic Abstract

. هذه الوفيات تكون مرتبطة غالباً بسرطان الثدي و سرطان الرحم. سرطان الثدي كسب الكثير من الإهتمام من الجانب الطبي والهندسي لإنتشاره. التطور في مجال اكتشاف السرطان إدى لزيادة حالات النجاة. بالرغم من هذه التطورات لم يكسب سرطان الرحم ما يستحقه من الإهتمام. زيادة حالات الوفيات يدعم هذه الحقيقة. بشكل أكثر أهمية، حالات الوفية تزداد في الدول الغير متطورة. الطرق الغير مكلفة الآلية في اكتشاف سرطان الرحم سيقوم بتطوير حياة الناس والتقليل من حالات الوفيات بشكل عام. تعلم الآلة والتعليم المتعمق تطورت بشكل كثير في مجال حل المشاكل الطبية المعقدة. هذه الرسالة تساهم في هذا المجال من خلال تطوير طريقة جديدة في مجال تصنيف واكتشاف سرطان الرحم. نقدم العديد من النماذج المقترحة لأكتشاف منطقة السرطان وكذلك تصنيفها بشكل صحيح. الطريقة المقترحة تعتبر أسرع ب1000 مرة عن الطرق المتوفرة حالياً. هذا بشكل غير مباشر يؤثر على جودة النظام في تصنيف السرطان ولكن هذا الهبوط في الكفاءة ليس له هذا التأثير الكبير في النظام العام

English Abstract

Cancer is among the top causes of deaths among women worldwide. These fatalities are mainly attributed to breast and cervical cancers. Breast cancer has attracted a lot of attention in the medical and engineering fields due to its widespread public interest. Advances in the early detection of the cancer tumors have boosted the survival rates after cancer occurrence. Despite these advances, cervical cancer has not received attention similar to that given to breast cancer. The increase in incidence and mortality rates corroborate this fact. More importantly, these rates are higher in less developed regions in the world. Cost-effective and automated approaches for the detection and classification of cervical cancer will certainly contribute to a drastic decrease in mortality rates. Machine learning, and more specifically deep learning, approaches gained maturity in solving challenging medical imaging problems. State-of-the-art image segmentation and classification paradigms using deep learning make the design and implementation of fully-automated segmentation and classification pipelines for cervical cancer a reality. This thesis contributes in this direction by proposing a novel fully automated system for the segmentation of cervical images, known as cervigrams, and classification of cervical cancer tumors. Various deep learning models are proposed and evaluated in terms of: 1) accurate segmentation of the region-of-interest (RoI) near the tumor area 2) correct classification of the cervical tumor with $77\%$ accuracy. In addition, the automation improvement is measured using the overall system speed. Our proposed models are faster by a factor of $10^3$ compared to manual and semi-automated approaches. The overall pipeline efficiency comes at the cost of a negligible decrease in tumor classification accuracy.

Item Type:	Thesis (Masters)
Subjects:	Computer
Department:	College of Computing and Mathematics > Information and Computer Science
Committee Advisor:	Ghouti, Lahouari
Committee Members:	Al-Khatib, Wasfi and Maalej, Nabil
Depositing User:	ZAID AL-YAFEAI (g201080740)
Date Deposited:	27 Dec 2018 09:00
Last Modified:	30 Dec 2020 12:18
URI:	http://eprints.kfupm.edu.sa/id/eprint/140858