Beyin MR görüntülerinden hastalık tespiti için federe öğrenme temelli yaklaşımların geliştirilmesi
Development of federated learning based approaches for disease detection from brain MRI images
- Tez No: 1010800
- Danışmanlar: DR. ÖĞR. ÜYESİ YAVUZ CANBAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin tümörleri, beyin dokusunda meydana gelen anormal hücre çoğalmaları sonucu ortaya çıkan ve yaĢamı ciddi biçimde tehdit edebilen hastalıklardır. Tümörlerin hızlı büyüme eğilimi göstermesi ve beynin hayati iĢlevleri barındırması nedeniyle, erken ve doğru teĢhis süreci büyük önem taĢımaktadır. Son yıllarda yapay zeka ile artan doğru teĢhis baĢarıları, MR görüntülerinin sağlık verisi olmasından dolayı mahremiyet endiĢelerini de beraberinde getirmektedir. MR görüntülerinin paylaĢımı mahremiyet ihlallerine sebep olacağı için verilerin paylaĢılmadan olduğu yerde iĢlenmesine imkan tanıyan ve veri mahremiyetini korumada önemli bir teknoloji olan federe öğrenme mimarisinden faydalanmak önemli bir avantajdır. Bu tez çalıĢmasında, MR görüntülerinden hastalık tespiti amacıyla federe öğrenme temelli yaklaĢımların performansları incelenmiĢtir. Densenet121, VGG19, MobileNet ve Xception olmak üzere dört farklı transfer öğrenme modelinin kullanıldığı bu çalıĢmada, iki farklı veri kümesi üzerinde, farklı istemci sayıları ve farklı tur değerlerinin performansları incelenmiĢtir. Elde edilen sonuçlar, federe öğrenme mimarisine dayalı transfer öğrenme modellerinin hastalık teĢhisinde yüksek baĢarım sergilediğini ortaya koymaktadır.
Özet (Çeviri)
Brain tumours are diseases that arise from abnormal cell proliferation in brain tissue and can seriously threaten life. Due to the tendency of tumours to grow rapidly and the brain's vital functions, early and accurate diagnosis is of paramount importance. Increased diagnostic accuracy through artificial intelligence in recent years has also raised privacy concerns due to the sensitive nature of MRI images as health data. As sharing MRI images could lead to privacy breaches, leveraging federated learning architecture—a key technology that enables data processing locally without sharing, thereby safeguarding data privacy—offers a significant advantage. This thesis examines the performance of federated learning-based approaches for disease detection from MR images. Using four different transfer learning models Densenet121, VGG19, MobileNet and Xception this study investigates the performance of different client numbers and different round values on two different datasets. The results obtained reveal that transfer learning models based on the federated learning architecture demonstrate high performance in disease diagnosis.
Benzer Tezler
- Süt formüllerinin tüketim uygulamaları ve süt formüllerinin C vitamini içeriği ile pH değerleri
Başlık çevirisi yok
GÖNÜL VAROL
- Türkiye'de serebral hareket bozukluklarının etiyolojisi epidemiyolojisi ve bazı klinik özellikleri
Başlık çevirisi yok
AŞER BENSUSAN
Tıpta Uzmanlık
Türkçe
1986
İstanbul ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
Yükleniyor...
- Samsun ve çevresinde tarla sarmaşığı (conuolvulus arvensis L.)'na karşı biyolojik savaşa esas olacak fauna tespiti
Investigations on the insect fauna of the field binweed (Conuolvulus arvensis L.) related to its biological control in Samsun Province
YASEMİN UFUK GERMAN