Neutro-Swin-GNN: maymun çiçeği tanısı için nötrosofik tabanlı hibrit swin dönüştürücü ve grafik sinir ağı modeli
Neutro Swin-GNN: a neutrosophic set-based hybrid swin transformer and graph neural network model for monkeypox diagnosis
- Tez No: 1010392
- Danışmanlar: PROF. DR. ESER SERT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Maymun Çiçeği, Nötrosofik Küme, Swin Transformer, Grafik Sinir Ağları, Derin Öğrenme, Monkey Pox, Neutrosophic Set, Swin Transformer, Graph Neural Networks, Deep Learning
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Malatya Turgut Özal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Maymun çiçeği, Orthopoxvirus cinsi içerisinde yer alan maymun çiçeği virüsü kaynaklı zoonotik bir viral enfeksiyondur. Enfeksiyon öncelikle viral dermatolojik lezyonlar şeklinde kendini gösterdiğinden, görsel değerlendirme klinik tanının önemli bir parçasıdır. Bu nedenle, maymun çiçeği ile ilgili deri lezyonlarının otomatik olarak tespiti için görüntü işleme tabanlı makine öğrenme sistemlerinin geliştirilmesi, yalnızca tıbbi görüntü analizi için değil, aynı zamanda viral hastalıkların teşhisine yönelik hesaplamalı yaklaşımlar için de son derece önemlidir. Bu tez çalışmasında, maymun çiçeğine benzer deri lezyonlarından (suçiçeği, kızamık ve normal deri) ayırt etmek için Nötrosofik Küme (NS) yaklaşımıyla geliştirilmiş hibrit bir derin öğrenme modeli olan Neutro-Swin-GNN önerilmiştir. Model, NS'nin belirsizlik modelleme yeteneğini Swin Transformer'ın hiyerarşik özellik çıkarımı ve Grafik Sinir Ağlarının (GNN) ilişkisel özellik öğrenme yeteneğiyle birleştirerek tıbbi görüntülerdeki düşük kontrast ve benzerlik sorunlarını ele almaktadır. Maymun Çiçeği Deri Görüntüleri Veri Kümesi (MSID) üzerinde yapılan deneysel çalışmada, önerilen yaklaşımımızla %99,14 doğruluk, %99 makro ortalama ve %98 ağırlıklı ortalama metrikleri elde edilmiştir. Bu çalışmada yapılan karşılaştırmalı analizlerde, modelimiz MobileNetV2, ResNet50, Swin-V2, MobileNetV3, EfficientNetV2 ve ShuffleNetV2 modelleriyle karşılaştırılmış ve özellikle sınıf dengesizliği için Focal Loss ile optimize edilerek bu modellere göre üstün performans sergilemiştir. Bu yaklaşım, NS, Swin Transformer ve GNN'yi ilk kez entegre ederek literatüre benzersiz bir katkı sunmakta ve bu MSID veri kümesini kullanan literatürdeki çalışmalara kıyasla oldukça rekabetçi bir sonuç elde etmektedir.
Özet (Çeviri)
Monkeypox is a zoonotic viral disease caused by the Monkeypox virus, belonging to the Orthopoxvirus genus. Since the infection primarily manifests as viral dermatological lesions, visual assessment is a crucial part of clinical diagnosis. Therefore, the development of image processing-based machine learning systems for the automated detection of monkeypox-related skin lesions is highly important, not only for medical image analysis but also for computational approaches to diagnosing viral diseases. In this study, a hybrid deep learning model, Neutro-Swin-GNN, enhanced with the Neutrosophic Set (NS) approach, is proposed for the discrimination of Mpox from similar skin lesions (chickenpox, measles, and normal skin). The model addresses the problems of low contrast and similarity in medical images by combining the uncertainty modeling capability of NS with the hierarchical feature extraction of Swin Transformer and the relational feature learning capability of Graph Neural Networks (GNN). In the experimental study conducted on the Monkeypox Skin Images Dataset (MSID), 99.14% accuracy, 99% macro avg, and 98% weighted avg metrics were obtained with our proposed approach. In the comparative analyses conducted in this study, our model was compared with MobileNetV2, ResNet50, Swin-V2, MobileNetV3, EfficientNetV2, and ShuffleNetV2 models, demonstrating superior performance over these models and being optimized with Focal Loss, particularly for class imbalance. This approach presents a unique contribution to the literature by integrating NS, Swin Transformer, and GNN for the first time, and a very competitive result is obtained compared to the studies in the literature using this MSID dataset.
Benzer Tezler
- Reservoir characterization of the Hamitabat gas field Thrace-Turkey
Hamitabat gaz sahasının rezervuar karakterizasyonu Trakya-Türkiye
YILDIZ ŞEN
Yüksek Lisans
İngilizce
1993
Jeoloji MühendisliğiOrta Doğu Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURKAN KARAHANOĞLU
- FPGA based control and reconfigurablemechanism in wsn
Kablosuz algılayıcı ağlar için FPGA tabanlı kontrol ve yapılandırılabilir mekanizma
AHMED KHAZAL YOUNIS AL AZZAWI
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET TUNCAY ERCAN
- Neutro-hyper rings and it's applications
Nötro-hiper halkalar ve uygulamaları
ABDULRAHMAN ALSABBAGH
Yüksek Lisans
İngilizce
2023
MatematikGaziantep ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. NECATİ OLGUN
- Neutro grup ve uygulamaları
Neutro group and applications
ZEKERİYE SİAYVİ
Yüksek Lisans
Türkçe
2024
MatematikGaziantep ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. NECATİ OLGUN
- Nötro – cebirsel yapılar
Neutro – algebraic structures
MERT KOLUKISA
Yüksek Lisans
Türkçe
2021
MatematikGaziantep ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
PROF. DR. MEMET ŞAHİN