Investigation of deep learning approaches for biomedical data classification
Biyomedikal veri sınıflandırmasında derin öğrenme yaklaşımlarının araştırılması
- Tez No: 434152
- Danışmanlar: DOÇ. DR. TURGAY İBRİKÇİ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 108
Özet
Derin öğrenme, yapay zeka problemlerini çözmek için makine öğrenmesinde yeni ve gelecek vadeden bir alandır. Bu tür yeni yaklaşımlar, otomatik medikal karar verme sistemlerinde gereklidir, çünkü otomatik olmayan süreçler daha pahalıdır, yoğun emek ister ve bu yüzden de insan-kaynaklı hatalara maruzdur. Literatürde derin öğrenme yaklaşımlarını kullanan yaygın alanlar bilgisayar görmesi, doğal dil işleme ve konuşma tanımadır. Derin mimarilerin bu alanlardaki performansının etkileyici olduğu bildirilmiş olsa da, biyomedikal alanda derin öğrenme kullanımı oldukça azdır. Bu çalışma, derin öğrenme yaklaşımlarının biyomedikal alanda da başarılı sonuçlar üretip üretmediğini araştırmayı amaçlamaktadır. Bu amaç doğrultusunda, ağırlıklı olarak derin öğrenme yaklaşımlarından Derin İnanç Ağları ve Konvolusyonel Sinir Ağları kullanılmıştır. Araştırma, tanınmış modern yöntemler ile karşılaştırmayı da içeren birçok uygulama ile gerçekleştirilmiştir. İlgili literatürde, seçilip temel alınan bu yöntemlerin başarılı oldukları ispatlanmıştır. Ayrıca, bu tez kapsamında, temel derin öğrenme yöntemlerinin sınıflandırma performansında olası herhangi bir iyileştirme yapılıp yapılamayacağı da araştırılmıştır. Bu amaçla, özellik seçimi, verideki dengesizliğin giderilmesi ve medikal görüntülerde doku analizi gibi bazı önişleme adımları uygulandı. Doğru performans değerlendirmesi için, düşük ve yüksek boyutlu veriler, bilgisayarlı tomografi görüntüleri, mikro dizilim tabanlı kanser verisi ve deri kanseri görüntülerini de içeren çeşitli biyomedikal veriler kullanıldı. Deneyler derin öğrenme yaklaşımlarının medikal karar vermeyi destekleyen yönde gelecek vadettiğini göstermektedir.
Özet (Çeviri)
Deep learning is a new and promising area in machine learning to solve problems of artificial intelligence. Such new approaches are required in automated medical decision making since non-automated process is more expensive, labor intensive and thus exposed to human-supplied errors. In the literature, common fields that make use of the deep learning approaches are computer vision, natural language processing and speech recognition. Even though the performance of deep architectures in these fields is reported to be impressive, the use of deep learning in the field of biomedicine is scarce. This study aims to investigate whether the deep learning approaches are also capable of producing successful results in the biomedical area, as well. For this aim, mainly deep learning approaches of Deep Belief Networks and Convolutional Neural Networks are employed. The investigation is carried out by conducting several experiments that include comparison with some well-known state-of-art methods which have been proven to be successful in the relevant literature. Additionally, in the scope of the thesis, any possible improvements to the results of basic deep learning methodology are also investigated in order to enhance the classification performance. To this end, some preprocessing steps such as feature selection, removal of the imbalance in data, and texture analysis of medical images are applied in the experiments. To properly assess the performance, various biomedical benchmark datasets including low and high dimensional biomedical data, computed tomography images, microarray based cancer data and skin cancer images have been utilized. The experiments show that deep learning approaches show a promising direction towards supporting medical decision making.
Benzer Tezler
- Farklı derin öğrenme modelleri kullanarak histopatalojik görüntülerden meme tümörlerinin sınıflandırılmasında yeni yaklaşımlar
New approaches in classification of breast tumors from histopathological images using different deep learning models
SEMA NIZAM ABDULGHANI
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEYFETTİN SİNAN GÜLTEKİN
- İnvolüsyonel sinir ağları ile hiperspektral verilerin analizi
Analysis of hyperspectral data with involutional neural networks
MÜCAHİT CİHAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CEYLAN
- Karaciğer hastalığının bilgisayarlı tomografi görüntülerinden derin ağ mimarisi ile teşhisini iyileştirmek için en uygun veri artırma tekniğinin araştırılması
Investigation of the optimal data augmentation technique to improve liver disease diagnosis with a deep network architecture from computed tomography images
ELNURA ADIGOZALOVA
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriAkdeniz ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. EVGİN GÖÇERİ
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- EKG sinyallerinden elde edilen görüntülerin hibrit derin öğrenme yöntemleri kullanılarak sınıflandırılması
Classification of images obtained from ECG signals using hybrid deep learning methods
ONUR AKCAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN UZUN
DR. ÖĞR. ÜYESİ ALİ OSMAN SELVİ