Göğüs x-ray görüntüleri kullanılarak pnömoninin tespiti ve sınıflandırılması
Diagnosis and classificatin of pnomania using chest x-ray images
- Tez No: 576785
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET BABALIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
X-ray görüntüleme, akciğer hastalıklarının tespiti için önemli yöntemlerden birisidir. Göğüs bölgesinin röntgen görüntüleri uzman doktorlar tarafından değerlendirilmektedir. Ancak bu değerlendirme zaman alıcı bir süreçtir ve uzmanlık gerektirir. Bilgisayar destekli tanı (BDT) makine öğreniminde popüler araştırma konularından birisidir ve doktorlara tıbbi görüntülerin analizi için yardımcı olmaktadır. Tıbbi görüntülerin analiz sürecinde evrişimsel sinir ağları (ESA) gibi derin öğrenme tekniklerinden bazıları kullanılmaktadır. Bu çalışmada Guangzhou'daki Guangzhou Kadın ve Çocuk Tıp Merkezi'nden alınan göğüs bölgesinin röntgen görüntüleri kullanılarak pnömaninin tespiti için ESA temelli bir BDT sistemi önerilmiştir. Veri seti 5.840 göğüs röntgeni görüntüsünü (ön-arka) içermektedir. Eğitim seti 5.216 görüntüden (1.341 normal, 3.875 pnömani) ve test seti 624 görüntüden (234 normal, 390 pnömani) oluşmaktadır. Çalışma kapsamında 5 katmanlı ESA, VGG-16 ve ResNet50 modelleri ele alınmıştır. ESA'lar eğitim aşamasında yüksek miktarda veriye ihtiyaç duyarlar. Veri azlığı durumunda veriler yapay olarak çoğaltılabilir. Veri çoğaltma işleminin sistem performansına etkisini incelemek amacıyla veri çoğaltma işlemi yapılmadan ve veri çoğaltma işlemi yapılarak 3 farklı ESA modelini başarıları incelenmiş ve literatürde yer alan bazı danışmanlı öğrenme algoritmalarının başarıları ile karşılaştırılmıştır.
Özet (Çeviri)
X-ray imaging is one of the important methods for the lung diseases detection. The images of the chest region are evaluated by specialist doctors. But this evaluation requires some time and specialized expertise. Computer Aided Diagnosis (CAD) is recent research topics in the machine learning and it assists doctors in the analysis of medical images. For the analysis of medical images methods of deep learning techniques such as convolutional neural networks (CNN) are used. In this study, a CAD system based on CNN was purposed for detection of pneumonia using chest X-ray images taken from the Guangzhou Women's and Children's Medical Center in Guangzhou. The dataset contains 5.840 chest X-ray images (anterior-posterior). The training set consists of 5.216 images (1.341 normal, 3.875 pneumonia) and the test set consist of 624 images (234 normal, 390 pneumonia). Within the scope of the study, 5-layer CNN, VGG-16 and ResNet50 models are discussed. CNN need a high amount of data during the training phase. In case of the lack of data, the data can be augmented. In order to examine the effect of data augmentation on the system performance, the successes of 3 different CNN models were examined and compared with the achievements of some of the supervised learning algorithms in the literature.
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
- Sayısal veri ve göğüs röntgen görüntülerinden derin öğrenme yaklaşımları ile pnömoni tespiti
Pneumonia detection with deep learning approaches from numerical data and chest X-ray images
ZEHRA KADİROĞLU
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
PROF. DR. HANİFİ GÜLDEMİR
PROF. DR. ABDURRAHMAN ŞENYİĞİT
- Transfer öğrenimi tabanlı evrişimli sinir ağlarını kullananotomatik dental panoramik görüntü segmentasyonu
Automated dental panoramic image segmentation using transfer learning based convolutional neural networks
TÜLİN ÇAYLAK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İMAM ŞAMİL YETİK
- Derin öğrenme yöntemleri kullanılarak görüntüler üzerinde insan hareketlerinin ve hastalıklarının sınıflandırılması
Classification of human movements and diseases on images using deep learning methods
MUHAMMED YILDIRIM
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÇINAR
- Deep learning for pneumonia diagnosis: A comparative study and decision support interface implementation
Zatürre tanısı için derin öğrenme: Karşılaştırmalı bir çalışma ve karar destek arayüzü uygulaması
SENA GÖKSU AĞACA
Yüksek Lisans
İngilizce
2024
Radyoloji ve Nükleer TıpYeditepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELİF ÇİĞDEM KELEŞ