Developing a deep learning approach for detecting brain cancer from mri images
Mrg görüntülerinden beyin kanserini saptamada derin öğrenme yaklaşimi geliştirmek
- Tez No: 618999
- Danışmanlar: DR. ÖĞR. ÜYESİ SERKAN AYVAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Derin Öğrenme, Konvolüsyonel Sinir Ağı, Beyin Tümörü, MRG Görüntüleri, Deep Learning, Convolutional Neural Network, Brain Tumor, MRI Images
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Bilim Dalı
- Sayfa Sayısı: 75
Özet
Amaç: Beyin tümörü genel olarak vücudun sinir sistemine saldıran ölümcül bir hastalık olarak kabul edilirken, beyin işlevselliği nedeniyle vücudumuzun en önemli kısımlarından biri olarak kabul edilirken, aynı zamanda en hassas parçalarımızdan biri olarak kabul edilir. vücudun özellikle işlevselliğini etkileyen hastalıklar açısından. Beyin tümör tespiti, beyni normal veya anormal olarak sınıflandırma sürecidir, beyne duyarlı doğamız, karmaşıklığımız ve hastalığın doğası nedeniyle alanla ilgili herkes için zorlu bir görevdir, ayrıca bu süreç kaynaklar olarak kabul edilir. hem hasta hem de doktorlar için tüketicidir, ancak hastanın tedavi planına karar vermesi için birincil adımdır. Yöntem: Bu çalışmada, beyin MRG görüntüleri için bir sınıflandırma çözümü olarak bir Konvolüsyon Sinir Ağı (CNN) algoritması önerilmiştir, istenen hedefe ulaşmak için çeşitli evrişimsel, maksimum havuzlama ve tamamen bağlı katmana sahip bir ağ kullanılmaktadır. Değerlendirme: Önerilen yöntemimizi değerlendirmek için çapraz geçerlilik yöntemi kullanılmış, çapraz geçerlilik sonuçlarını değerlendirmek için doğruluk, kesinlik, hatırlama ve F1 skoru kullanılmıştır. Sonuçlar: Önerilen yöntem sonuçları birbiriyle karşılaştırılır, her bir katlama değerlendirme yöntemi için bunu değerlendirmek için kullanılır, üç kat için maksimum sonuçlar beşimiz doğruluk için 0.96, hassasiyet için 0.90, hatırlama için 1.00 ve F1 skoru için 0.91'dir. ortalama sonuçlar doğruluk için 0.93, hassasiyet için 0.85, hatırlama için 1.00 ve F1-socre için 0.92'dir. Sonuç: CNN'ye dayalı MRG görüntüleri için etkili bir beyin tümörü sınıflandırma yöntemi oluşturulmuştur, modelin yüksek sonuçları beyin tümörünün saptanması sürecinde doktorlara yardımcı olmayı etkili kılmaktadır.
Özet (Çeviri)
Background: Brain tumor in general is considered as a fatal disease that attacks the nervous system of the body, while brain is considered as one of most important parts of our body because of its functionality, it is also considered as one of our most sensitive parts of the body specially in term of diseases that effect it functionality. Brain tumor detection is the process of classifying the brain to normal or abnormal, it is a challenging task to everyone who is related to the field due to our brain sensitive nature, complexity and the nature of the disease , also this process is considered as resources consumer for both of patient and doctors, but it is a primary step for the patient to decide the treatment plan. Method: In this work, a Convolutional Neural Network (CNN) algorithm is proposed as a classification solution for brain MRI images, a network with a variety of convolutional, max-pooling and fully connected layer are used to achieve the desired goal. Evaluation: To evaluate our proposed method a cross validation method used, accuracy, precision, recall and F1-score were used to evaluate cross validation results. Results: The proposed method results are compered with each other, for each fold evaluation method are used to evaluate it, maximum results for three folds our five were 0.96 for accuracy, 0.90 for precision, 1.00 for recall and 0.91 for F1-score, while average results are 0.93 for accuracy, 0.85 for precision, 1.00 for recall and 0.92 for F1-socre. Conclusion: An efficient brain tumor classification method for MRI images based on CNN has been built, the high results of the model makes it effective to aid doctors in the process of detection brain tumor.
Benzer Tezler
- Deep learning methods for classification Alzheimer's disease
Alzheimer hastalığının sınıflandırılmasına yönelik derin öğrenme yöntemleri
HUSAM MOHAMMED ABDULFATTAH SAIF AL-HAMMADI
Yüksek Lisans
İngilizce
2023
Bilim ve TeknolojiFatih Sultan Mehmet Vakıf ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EBUBEKİR KOÇ
- A framework for acquisition, processing and classification of emg signals
Başlık çevirisi yok
DENİZ ORKUN EREN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversity of California Los AngelesPROF. JONATHAN KAO
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Analysis of multichannel EEG signals for the detection of major depressive disorder
Majör depresif bozukluğunun tespiti için çok kanallı EEG sinyallerinin analizi
ELİF İZCİ
Yüksek Lisans
İngilizce
2021
Mühendislik Bilimleriİzmir Katip Çelebi ÜniversitesiBiyomedikal Teknolojiler Ana Bilim Dalı
PROF. DR. AYDIN AKAN
DR. ONAN GÜREN
- Nesnelerin interneti temelli akıllı şebekelerde güvenlik zafiyetlerinin tespiti ve çözümüne yönelik yeni yaklaşımların geliştirilmesi
Developing new approaches for detecting and solving security vulnerabilities in internet of things based smart grids
MUHAMMED ZEKERİYA GÜNDÜZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. RESUL DAŞ