Geri Dön

Beyaz kan hücrelerinin tespiti ve sınıflandırılması

Detection and classification of white blood cells

PDF İndir

  1. Tez No: 1025403
  2. Yazar: ELİF İREM AKDOĞAN
  3. Danışmanlar: DOÇ. DR. EFTAL ŞEHİRLİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Biyomühendislik, Engineering Sciences, Bioengineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Gelişen Dünya teknolojisi ve sağlık alanında gerçekleştirilen inovatif çalışmalar; beyaz kan hücresi (BKH) tespiti ve sınıflandırılması kapsamında, derin öğrenme yöntemleri ile yapay zekâ tabanlı yöntemlerin entegrasyonunu ortaya koymaktadır. BKH'nin hızlı ve doğru şekilde tespit edilmesi ve sınıflandırılması, geçmişten günümüze tanı süreci karmaşık olan kanser, lösemi ve enfeksiyonel hastalıkların erken teşhisinde hekime yol gösterici nitelik taşımaktadır. Geleneksel görüntü işleme ve manuel analiz yöntemlerinin yanında, son yıllarda makine öğrenmesi ve derin öğrenme temelli yaklaşımların bu alandaki kullanımı dikkat çekici oranda artış göstermiştir. Bu çalışmada, BKH'nin tespiti ve sınıflandırılması için görüntü tabanlı bir veri seti kullanılmıştır. Veri seti oluşturulması ve kan hücrelerinin sınıflandırılması aşamasında; bazofil, eozinofil, nötrofil, lenfosit ve monosit olmak üzere 5 farklı hücre tipi tercih edilmiştir. Nesne tespiti hazırlık aşamasında görüntülerin ön işlem çalışması Matrix Laboratory (MATLAB) programlama dili kullanılarak Gauss, keskinleştirme (sharpening), Clahe filtreleri ile gerçekleştirilmiştir. Farklı gruplara ait hücre görüntülerinin etiketleme işlemi için grafiksel resim açıklama aracı LabelImg yöntemi kullanılmıştır. Gerçekleştirilen detaylı literatür taramaları sonucunda, nesne tespiti için daha hızlı ve gelişime uygun You Only Look Once version 7 extra (YOLOv7x) ve segmentasyon işlemleri için U-shape convolutional neural network (U-Net) tercih edilmiştir. Derin öğrenme model çıktıları kullanılarak odak ölçütü (focus measure) ve gri seviye eş oluşum matrisi (gray level co-occurrence matrix, GLCM) yöntemleri kullanılarak özellik çıkartma işlemleri gerçekleştirilmiştir. Elde edilen sonuçlar listelenerek sınıflandırma aşamasında kullanılmıştır. Sınıflandırma sürecinde farklı makine öğrenme yöntemleri ve performans değerlendirilmeleri için çeşitli metriklere başvurulmuştur. Kesinlik, doğruluk, duyarlılık, F1 Skoru gibi metrikler öncelikli olarak hesaplanmıştır. Bu tez çalışmasında, BKH'ne bağlı ortaya çıkan hastalıkların hızlı tespiti ve hekime yardımcı uygulamaların geliştirilmesi üzerine çalışmalar gerçekleştirilmiştir. Tespit ve sınıflandırma sisteminin erken teşhis mekanizmasını oluşturarak hekim ve hasta için kritik öneme sahip bir rolü üstleneceği proje kapsamında vurgulanmıştır. Proje sonucunda elde edilen çıktılar literatür çalışmaları kapsamında ticari ve açık kaynaklı yazılımlar ile karşılaştırılmıştır en hızlı ve iyileştirilmiş sonuçların elde edildiği gözlemlenmiş, hekime yardımcı bir uygulama arayüz sistemi geliştirilmiştir

Özet (Çeviri)

Innovative studies in developing global technology and healthcare demonstrate the integration of deep learning and artificial intelligence-based methods for the detection, segmentation, and classification of white blood cells (WBCs). Rapid and accurate detection and classification of WBCs guides physicians in the early diagnosis of cancer, leukemia, and infectious diseases, which have historically been complex diagnostic processes. In addition to traditional image processing and manual analysis methods, the use of machine learning and deep learning-based approaches in this field has increased significantly in recent years. In this study, an image-based dataset was used for the detection and classification of WBCs. Five different cell types were selected for dataset creation and blood cell classification: basophils, eosinophils, neutrophils, lymphocytes, and monocytes. Pre-processing of the images for object detection was performed using the Matrix Laboratory (MATLAB) programming language using Gaussian, Sharpening, and Clahe filters. The graphical image annotation tool LabelImg was used to label cell images belonging to different groups. Following a detailed literature review, You Only Look Once version 7 extra (YOLOv7x) was chosen for object detection due to its faster speed and better development capabilities, and U-Shape Convolutional Neural Network (U-Net) was selected for segmentation operations.Feature extraction was performed using the Focus Measure and Gray Level Co-Occurrence Matrix (GLCM) methods using the deep learning model outputs. The obtained results were listed and used in the classification phase. Various machine learning methods were used in the classification process and various metrics were used for performance evaluation. Metrics such as precision, accuracy, sensitivity, and F1 Score were primarily calculated. This thesis focused on the rapid detection of diseases associated with MDGs and the development of physician-assistive applications. The project emphasized that the detection and classification system will play a critical role for physicians and patients by creating an early diagnosis mechanism. The outputs obtained as a result of the project were compared with commercial and open source software within the scope of literature studies. It was observed that the fastest and most improved results were obtained, and an application interface system that assists the physician was developed.

Benzer Tezler

  1. Tez No

    755968

    Beyaz kan hücrelerinin evrişimli sinir ağları ile sınıflandırılması ve bölütlenmesi

    Classification and segmentation of white blood cells using convolutional neural networks

    ŞEYMA NUR ÖZCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    BiyomühendislikBaşkent Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TANSEL UYAR

    DR. ÖĞR. ÜYESİ GÖKAY KARAYEĞEN

  2. Tez No

    787786

    Sayısal haritalama teknikleri kullanılarak DNA dizilimleri üzerinden lösemi hastalığının temel türlerinin yapay zeka tabanlı algoritmalar ile sınıflandırılması

    Classification of main types of leukemia disease with artificial intelligence-based algorithms on the DNA sequences using digital mapping techniques

    FATMA AKALIN

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NEJAT YUMUŞAK

  3. Tez No

    867050

    Assessment of the effects of melatonin on the funtional deficits induced by cellular stress in obese donor derived mesenchymal STEM cells

    Melatonin'in obez donor mezenkimal kök hücrelerinde hücresel strese bağlı olarak oluşan fonksiyon bozuklukları üzerindeki etkilerinin değerlendirilmesi

    ECE GİZEM POLAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    BiyolojiHacettepe Üniversitesi

    Kök Hücre Ana Bilim Dalı

    DOÇ. DR. FATİMA SUSANNA FAUSTINA AERTS KAYA

  4. Tez No

    1005931

    Yapay zekâ teknikleri kullanılarak hastalıkların teşhisi için beyaz kan hücre tiplerinin ayrıştırılması

    Separation of white blood cell types for disease diagnosis using artificial intelligence techniques

    AHMET İLTERİŞ KAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal Üniversitesi

    Enformatik Ana Bilim Dalı

    DOÇ. DR. MUHAMMED YILDIRIM

  5. Tez No

    936074

    Derin öğrenme algoritmalarını kullanarak otomatik kan hücresi sayım cihazı geliştirilmesi

    Development of an automatic blood cell counting device using deep learning algorithms

    MÜBAREK MAZHAR ÇAKIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Mekatronik MühendisliğiYozgat Bozok Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKALP ÇINARER

Geri Dön