Yapay zekâ tabanlı mikroskobik görüntü analizi ile adenomiyozisin otomatik tespiti
Automatic detection of adenomyosis using artificial intelligence-based microscopic image analysis
- Tez No: 1023905
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİHAN TIĞLI, DOÇ. DR. MUHAMMET BORA UZUNER
- Tez Türü: Yüksek Lisans
- Konular: Anatomi, Anatomy
- Anahtar Kelimeler: Adenomiyozis, Derin Öğrenme, Histopatoloji, Mikroskobik Görüntü Analizi, Yapay Zekâ, Adenomyosis, Deep Learning, Histopathology, Microscopic Image Analysis, Artificial Intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Bandırma Onyedi Eylül Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Anatomi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, yapay zekâ tabanlı derin öğrenme yöntemleri kullanılarak mikroskobik doku ve lam görüntülerinden adenomiyozisin otomatik olarak tespit edilmesi amaçlanmıştır. Adenomiyozis, uterus miyometriyumunda endometrial bez ve stromanın patolojik varlığıyla karakterize; dismenore, pelvik ağrı ve infertilite gibi yaşam kalitesini olumsuz etkileyen iyi huylu bir uterin hastalıktır. Hastalığın benzer jinekolojik patolojilerle karışabilmesi ve tanı ölçütlerinin çeşitliliği klinik ve radyolojik tanıyı güçleştirmekte; kesin tanıda altın standart kabul edilen histopatolojik incelemede ise gözlemciler arası öznellik ve standardizasyon eksikliği önemli bir sınırlılık oluşturmaktadır. Dijital patolojinin temelini oluşturan Bütün Slayt Görüntüleme (WSI) teknolojisinin yüksek maliyet, yavaş iş akışı ve düşük erişilebilirlik gibi dezavantajları ile literatürde adenomiyozis için mikroskobik görüntü tabanlı yapay zekâ çalışmalarının bulunmaması, bu araştırmanın çıkış noktasını oluşturmuştur. Çalışmada, WSI teknolojisine alternatif olarak daha uygulanabilir ve daha düşük maliyetli bir görüntüleme yaklaşımı benimsenmiştir. Uzman patolog tarafından adenomiyozis tanısı konmuş ve sağlıklı olarak raporlanmış uterin doku örneklerine ait mikroskobik görüntü ve lam görüntüleri dijitalleştirilmiş; evrişimli sinir ağları (CNN) ve Vision Transformer (ViT) mimarileri başta olmak üzere 15 CNN ve 15 ViT olmak üzere toplam 30 güncel derin öğrenme modeli, doğruluk, kesinlik, duyarlılık, F1-skoru ve ROC/AUC ölçütleriyle değerlendirilmiştir. Mikroskobik görüntülerde modeller yüksek başarı (en yüksek F1-skoru yaklaşık 0,98) elde ederken, lam görüntülerinde başarının belirgin biçimde düştüğü; bu bulgunun, adenomiyozis tespitinde görüntünün taşıdığı tanısal bilgi düzeyinin mimari seçiminden daha belirleyici olduğunu ortaya koyduğu görülmüştür. Yapay zekâ tabanlı mikroskobik ve lam görüntü analizi ile adenomiyozis tespitini ele alan ilk çalışma olması bakımından araştırmanın alana özgün bir katkı sunması ve patolojik tanı süreçlerinde nesnel, hızlı, erişilebilir bir karar destek yaklaşımının geliştirilmesine zemin hazırlığı sunmaktadır.
Özet (Çeviri)
This study aimed to automatically detect adenomyosis from microscopic tissue and slide images using artificial intelligence-based deep learning methods. Adenomyosis is a benign uterine disease characterized by the pathological presence of endometrial glands and stroma within the myometrium and is associated with dysmenorrhea, pelvic pain and infertility that impair quality of life. Because it can be confused with similar gynecological pathologies and its diagnostic criteria vary, clinical and radiological diagnosis is difficult; histopathological examination, accepted as the gold standard, is limited by interobserver subjectivity and the lack of standardization. The disadvantages of Whole Slide Imaging (WSI) technology, namely high cost, slow workflow and low accessibility, together with the absence of microscopic-image-based artificial intelligence studies for adenomyosis in the literature, formed the starting point of this research. As an alternative to WSI technology, a more feasible and lower-cost imaging approach has been adopted. Microscope and slide images of adenomyosis-positive and healthy uterine tissue samples identified by an expert pathologist were digitized, and 30 current deep learning models (15 CNN and 15 ViT), primarily convolutional neural networks (CNN) and Vision Transformer (ViT) architectures, were evaluated using accuracy, precision, sensitivity, F1-score and ROC/AUC metrics. While the models achieved high performance on microscopic images (best F1-score around 0.98), performance decreased markedly on slide images, showing that the level of diagnostic information carried by the image type is more decisive than the choice of architecture. This study is the first to address the detection of adenomyosis using AI-based microscopic and slide image analysis, thus making a unique contribution to the field and laying the groundwork for the development of an objective, rapid, and accessible decision support approach in pathological diagnostic processes.
Benzer Tezler
- Görüntü işleme ile beyin organoid analizi
Brain organoid analysis with image processing
DOĞU CAN SEYİDOĞLU
Yüksek Lisans
Türkçe
2025
BiyoteknolojiEge ÜniversitesiBiyoteknoloji Ana Bilim Dalı
PROF. DR. ÖZLEM YEŞİL ÇELİKTAŞ
- Design and enhancing of the lightweight materials by artificial intelligence based on machine learning
Makine öğrenimine dayalı yapay zekâ ile hafif malzemelerin tasarımı ve geliştirilmesi
MAHMUT FURKAN KALKAN
Doktora
İngilizce
2024
Metalurji MühendisliğiGaziantep ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. NECİP FAZIL YILMAZ
DOÇ. DR. ABDULCABBAR YAVUZ
- Psödoeksfoliasyon sendromu olan hastalarda retina fundus damar ağının yapay zeka yöntemleriyle incelenmesı
Examination of retinal fundus vessel network in the patients with pseudoexfoliation syndrome using artificial intelligence methods
SHIRIN FOROUGHI FAR
Tıpta Uzmanlık
Türkçe
2024
Göz HastalıklarıÇanakkale Onsekiz Mart ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
PROF. DR. BURAK TURGUT
- Metasezgisel algoritmalar ve derin öğrenme kullanılarak çok kaynaklı görüntü füzyonu
Multi-source image fusion using metaheuristic algorithms and deep learning
ASAN IHSAN ABAS ABAS
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURDAN BAYKAN
- Maze-based shield design to protect ics against invasive hardware attacks
İstilacı donanım saldırılarına karşı entegre devreleri korumak için labirent tabanlı kalkan tasarımı
RAŞİT RIDVAN TURGUT
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN