Publication: Thermography based deep learning models for early breast cancer detection
dc.contributor.affiliation | #PLACEHOLDER_PARENT_METADATA_VALUE# | en_US |
dc.contributor.author | Al-Husaini, Mohammed Abdulla Salim | en_US |
dc.contributor.supervisor | Mohamed Hadi Habaebi, Ph.D | en_US |
dc.contributor.supervisor | Md. Rafiqul Islam, Ph.D | en_US |
dc.contributor.supervisor | Teddy Surya Gunawan, Ph.D | en_US |
dc.date.accessioned | 2024-10-07T03:01:58Z | |
dc.date.available | 2024-10-07T03:01:58Z | |
dc.date.issued | 2022 | |
dc.description.abstract | Breast cancer is one of the most common causes of death in women around the world. Researchers are actively seeking to develop early detection methods for breast cancer. Several treatment technologies contributed to the reduction in mortality rate from this disease, but early detection contributes the most to preventing disease spread, breast amputation and death. The problem, however, lies in the accuracy of early detection methods. Thermography is a promising technology for early diagnosis where thermal cameras employed are of high resolution and sensitivity. The combination of Artificial Intelligence (AI) with thermal images is an effective tool to detect early-stage breast cancer and is foreseen to provide impressive predictability levels. This thesis reviewed systematically the state-of-the art works employing thermography with AI, highlighted their contributions and drawbacks, and proposed open issues for research. Furthermore, the thesis has applied and investigated the behaviour of different recently introduced deep learning methods for identifying breast disorders and further proposed a modified method to suit the thesis goals. Inception MV4 achieved 7% faster classification response time compared to V4. The use of MV4 model is found to contribute to saving energy consumed and fluidity in arithmetic operations for the graphic processor. The results also indicate that increasing the number of layers may not necessarily be useful in improving the performance. Furthermore, the thesis develops a numerical simulation model to study the thermophysical properties of breast using COMSOL software. Topical Sito-Cooling on breast surface area was found to contribute to increasing thermal contrast in the simulated thermal images. The highest variations in skin temperatures between breasts with cancer and without cancers can scope from 0.274 to 2.58 C. Finally, the thesis introduced an application design in a graphical user interface and linked it with the AirDroid application to send thermal images from the smartphone to the cloud and then retrieve back the diagnostic result from the cloud to the smartphone app. The suggested framework novelty lies in its design to generate high-quality input video of thermal imagery of the patients’ breast region in real time, facilitating more accurate early breast cancer detection. The suggested structure was modelled in MATLAB 2019 and was compatible with majority of standard Desktop with thermal camera installed. It takes real time video stream of high-quality thermal imagery as input and produces defined video files with a binary classification characterizing normal or abnormal breasts with a recommended action for the patient. This is followed by a proposed thermal image acquisition procedure with set of recommendations for the development of a mobile app-based dataset. The thesis concludes that early breast cancer detection using smart apps is a valuable and reliable complementary tool for radiologists to aid the diagnosis process and reduce mortality rates. | en_US |
dc.description.abstractarabic | يعد سرطان الثدي أحد أكثر مسببات الوفاة شيوعًا بين النساء حول العالم. يسعى الباحثون بنشاط لتطوير طرق الكشف المبكر عن سرطان الثدي. ولقد ساهمت العديد من تقنيات العلاج في خفض معدل الوفيات من هذا المرض لكن الاكتشاف المبكر يساهم بشكل أكبر في منع انتشار المرض الذي يؤدي الى بتر الثدي والوفاة. لكن المشكلة تكمن في دقة طرق الكشف المبكر. يعد التصوير الحراري تقنية واعدة للتشخيص المبكر حيث تكون الكاميرات الحرارية المستخدمة عالية الدقة والحساسية. بالإضافة الى ان الجمع بين الذكاء الاصطناعي (AI) والصور الحرارية أداة فعالة للكشف عن سرطان الثدي في مراحله المبكرة ومن المتوقع أن يوفر مستويات رائعة من القدرة على التنبؤ. استعرضت هذه الأطروحة بشكل منهجي أحدث الأعمال التي تستخدم التصوير الحراري مع الذكاء الاصطناعي وسلطت الضوء على مساهماتها وعيوبها واقترحت قضايا مفتوحة للبحث. علاوة على ذلك قامت الأطروحة بتطبيق واستقصاء سلوك طرق التعلم العميق المختلفة التي تم تقديمها مؤخرًا لتحديد اضطرابات الثدي واقترحت أيضًا طريقة معدلة لتناسب أهداف الرسالة. حقق Inception MV4 استجابة عالية وسرعة في التصنيف بنسبة 7٪ مقارنةً بـ Inception V4. تشير النتائج الى ان MV4 تساههم بشكل كبير في توفير الطاقة المستهلكة وانسيابية في العمليات الحسابية لدى وحدة معالج الرسوم. تشير النتائج أيضًا إلى أن زيادة عدد الطبقات قد لا يكون بالضرورة مفيدًا في تحسين الأداء. علاوة على ذلك تقوم الأطروحة بتطوير نموذج محاكاة عددي لدراسة الخصائص الفيزيائية الحرارية للثدي باستخدام برنامج COMSOL . تشير النتائج الى ان استخدام جل التبريد على سطح الثدي يساهم في زيادة التباين الحراري في الصور الحرارية. كما ان الفارق في درجات الحرارة بين الثدي السليم والمصاب قد تصل من 0.274 إلى 2.58 درجة مئوية. وفي الختام فان هذه الاطروحة قدمت تصميم واجهة مستخدم رسومية وربطته بتطبيق AirDroid لإرسال الصور الحرارية من الهاتف الذكي إلى الحوسبة السحابية ثم إرجاع نتيجة التشخيص من السحابة إلى تطبيق الهاتف الذكي. بالإضافة الى انه تم تطوير التطبيق للكشف عن سرطان الثدي في الوقت الفعلي و تم تصميم الهيكل المقترح في MATLAB 2019 وكان متوافقًا مع غالبية أجهزة سطح المكتب القياسية المزودة بكاميرا حرارية مثبتة. أخذ مقاطع الفيديو في الوقت الحقيقي للصور الحرارية عالية الجودة كمدخلات وينتج ملفات فيديو محددة بتصنيف ثنائي يميز الثدي الطبيعي أو غير الطبيعي مع الإجراء الموصى به للمريض. ويلي ذلك إجراء مقترح للحصول على الصور الحرارية مع مجموعة من التوصيات لتطوير مجموعة قاعدة بيانات قائمة على تطبيقات الهاتف المحمول. تخلص الأطروحة إلى أن الاكتشاف المبكر لسرطان الثدي باستخدام التطبيقات الذكية هو أداة تكميلية قيمة وموثوقة لأخصائيي الأشعة للمساعدة في عملية التشخيص وتقليل معدلات الوفيات. | en_US |
dc.description.callnumber | t RC 280 B8 A3162T 2022 | en_US |
dc.description.identifier | Thesis : Thermography based deep learning models for early breast cancer detection / by Mohammed Abdulla Salim al-Husaini | en_US |
dc.description.identity | t11100484574MohammedAbdullaSalimAlHusaini | en_US |
dc.description.kulliyah | Kulliyyah of Engineering | en_US |
dc.description.notes | Thesis (Ph.D)--International Islamic University Malaysia, 2022. | en_US |
dc.description.physicaldescription | xix, 198 leaves : color illustrations ; 30cm. | en_US |
dc.description.programme | Doctor of Philosophy in Engineering | en_US |
dc.identifier.uri | https://studentrepo.iium.edu.my/handle/123456789/2936 | |
dc.language.iso | en | en_US |
dc.publisher | Kuala Lumpur : Kulliyyah of Engineering, International Islamic University Malaysia, 2022 | en_US |
dc.subject.lcsh | Breast -- Cancer -- Diagnosis -- Technological innovation | en_US |
dc.subject.lcsh | Breast -- Imaging -- Technological innovation | en_US |
dc.subject.lcsh | Deep learning (Machine learning) | en_US |
dc.title | Thermography based deep learning models for early breast cancer detection | en_US |
dc.type | Doctoral Thesis | en_US |
dspace.entity.type | Publication |
Files
Original bundle
1 - 2 of 2
Loading...
- Name:
- t11100484574MohammedAbdullaSalimAlHusaini_24.pdf
- Size:
- 3.13 MB
- Format:
- Adobe Portable Document Format
- Description:
- 24 pages file
Loading...
- Name:
- t11100484574MohammedAbdullaSalimAlHusaini_SEC.pdf
- Size:
- 27.91 MB
- Format:
- Adobe Portable Document Format
- Description:
- Full text secured file
License bundle
1 - 1 of 1