Classification of lung CT images using deep convolutional neural network
Akciğer tomografi görüntülerinin derin evrişimsel sinir ağları ile sınıflandırılması
- Tez No: 493656
- Danışmanlar: YRD. DOÇ. DR. HÜSEYİN POLAT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 108
Özet
Akciğer kanseri, kadınlarda ve erkeklerde dünyada en yaygın görülen kanser türlerinden biridir. Akciğer kanserinden ölüm oranı, diğer kanser türlerine oranla %70' in üzerindedir, bundan dolayı Amerikan Kanser Derneği tarafından 2016 yılında en agresif kanser türü olarak tanımlanmıştır. Akciğer kanserinin erken teşhisi hastaların hayatta kalma oranını artırabilir. Bunun için makine öğrenme teknikleri kullanılarak medikal görüntülerin sınıflandırılması, akciğer kanserinin erken teşhisinde işlem hızını artırarak doktorlara yardımcı olabilir. Geleneksel makine öğrenme teknikleri ile karşılaştırıldığında, derin öğrenme metotları, otomatik öznitelik çıkarma kabiliyetine sahip oldukları için daha etkin metotlardırlar. Bu tezde, Data Science Bowl ve Kaggle veri setindeki akciğer tomografi görüntüleri üzerinden akciğer kanserinin teşhisi için bir derin öğrenme metodu olarak evrişimsel sinir ağları kullanılmıştır. Akciğer tomografi görüntülerinin sağlıklı ve hastalıklı olarak sınıflandırılması için evrişimsel sinir ağlarının AlexNet ve GoogleNet mimarileri kullanılmıştır. AlexNet ve GoogleNet mimarileri ile sınıflandırmada sırasıyla %95.919 ve %96.360 doğruluk oranları elde edilmiştir. Evrişimsel sinir ağlarının bu iki mimarisi karşılaştırıldığında, GoogleNet mimarisinin, AlexNet mimarisine göre akciğer tomografi görüntülerinin sınıflandırılmasında daha yüksek doğruluk oranına ulaştığı görülmüştür. Sonuç olarak, derin öğrenme yöntemleri kullanılarak akciğer tomografi görüntülerinin sınıflandırılması ile, zorlamasız bir yöntemle akciğer kanserinin erken tanısına ilişkin daha fazla bilgi elde edilebileceği gösterilmiştir.
Özet (Çeviri)
Lung cancer is one of the mostly observed cancer types in both men and women worldwide. Mortality rate of over 70% put the lung cancer among the most aggressive cancers list in 2016 by American Cancer Society. However, early diagnosis of lung cancer would increase survival rate of patients. To this, Machine learning techniques for classification of medical images is used to assist physicians in order to accelerate diagnosis process. In comparison with shallow machine learning techniques, deep learning methods are more effective as they are capable of extracting features automatically. In this thesis, Convolutional Neural Network is used as one of the deep learning methods to diagnose lung cancer over the lung CT images of Data Science Bowl and Kaggle dataset. AlexNet and GoogleNet are two architectures of Convolutional Neural Network which are used to classify lung CT images as benign and malignant. AlexNet and GoogleNet architectures achieved 95.919% and 96.360% accuracy rates respectively in classification of lung CT images. By comparison two architectures of Convolutional Neural Networks, it is demonstrated that GoogleNet architecture achieved higher accuracy rate than AlexNet architecture in classification of lung CT scan images. In conclusion, it has been proved that with the classification of the lung CT scan images using deep learning methods, more information concerning early diagnosis of lung cancer may be obtained with a noninvasive method.
Benzer Tezler
- 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
- Akciğer bilgisayarlı tomografisinde insidental saptanan meme nodüllerinin evrişimli sinir ağları ile benign-malign olarak sınıflandırılması
Classification of breast nodules detected incidental in lung computerized tomography and as benign-malign with conversion neural networks
ZİŞAN ERTUNÇ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiYapay Zeka Ana Bilim Dalı
DOÇ. DR. İBRAHİM ÖNDER YENİÇERİ
- Copd diagnosis classification on CT images using machine learning
Makine öğrenmesi ile BT görüntülerinde koah tanısı sınıflandırması
SOLEEN SABAH AMIN DAWOODAH
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. ZAFER İŞCAN
- Akciğer BT görüntülerinden tümörlü verilerin farklı derin öğrenme modelleriyle tahmini
Prediction of tumor data from lung CT images with different deep learning models
VOLKAN ÇETİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR
- Derin öğrenme mimari yapısını esas alan hibrit yaklaşım kullanılarak radyolojik görüntülerden Covid-19 teşhisi ve tahmin edilmesi
Diagnosis and prediction of Covid-19 from radiologicalimages using a hybrid approach based on deep learningarchitectural structure
SEYFULLAH URUT
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolVan Yüzüncü Yıl ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DOÇ. DR. RECEP ÖZDAĞ