Convolutional Neural Networks based Breast Cancer Detection Using Feature Fusion

Abstract

Currently, one of the most significant health issues affecting women is breast cancer. Breast cancer, which has the highest mortality and morbidity rates among diseases that affect women, poses a severe threat to their lives and health. It is crucial to diagnose breast cancer early. Recently, the technological and theoretical developments in innovative techniques such as machine learning made it possible to achieve early diagnoses of breast cancer. Using Convolutional Neural Networks (CNNs) and Support Vector Machines (SVMs) for breast cancer detection, we developed a Computer-Aided Diagnosis (CAD) system to identify breast tumors from mammogram images. The proposed system is composed of four stages. Firstly, CNN is used to classify mammogram images. Secondly, CNN-based features are extracted and used with a standard classifier, which is SVM, to identify potential tumors. Thirdly, SVM is used to distinguish between different types of tumors based on the extracted features. Finally, a data fusion method is employed to combine the results obtained from the first, second, and third methods to improve the overall performance of the system. The individual techniques, accuracy is increased, and it reaches around 99% by using fusion methods. Keywords: Breast Cancer, Convolutional Neural Network, Computer-Aided Diagnosis, Support Vector Machine, Fusion Methods

Günümüzde kadınları etkileyen en önemli sağlık sorunlarından biri meme kanseridir. Kadınları etkileyen hastalıklar arasında mortalite ve morbidite oranları en yüksek olan meme kanseri, kadınların yaşamları ve sağlıkları için ciddi bir tehdit oluşturmaktadır. Bu hastalığı erken teşhis etmek çok önemlidir. Son zamanlarda makine öğrenimi gibi yenilikçi tekniklerdeki teknolojik ve teorik gelişmeler meme kanserinin erken teşhisini mümkün kılmıştır. Bu çalışmada, meme kanseri tespiti için evrişimli sinir ağları ve destek vektör makinesi kullanarak mamogram görüntülerinden meme tümörlerini tespit etmek için bilgisayar destekli bir teşhis sistemi geliştirmeye odaklandık. Önerilen sistemimiz dört adımdan oluşmaktadır. İlk olarak, mamogram görüntülerini sınıflandırmak için Evrişimli Sinir Ağı kullanılır. İkinci olarak, potansiyel tümörleri belirlemek için Evrişimli Sinir Ağı tabanlı öznitelikler çıkarılır ve standart bir sınıflandırıcı olan Destek Vektör Makinesi ile kullanılır. Üçüncüsü, Destek Vektör Makinesi ile çıkarılan özniteliklere dayalı olarak farklı tümör tipleri arasında ayrım yapılır.Son olarak, sistemin genel performansını iyileştirmek için birinci, ikinci ve üçüncü yöntemlerden elde edilen sonuçları birleştirmek için bir veri füzyon yöntemi kullanılmıştır.Füzyon teknikleri sayesinde bireysel tekniklerin doğruluğu artmış ve yaklaşık %99'a ulaşmıştır. Anahtar Kelimeler: Göğüs Kanseri, Evrişimli Sinir Ağı, Bilgisayar Destekli Tanı, Destek Vektör Makinesi, Füzyon Teknikleri