Derin Öğrenme Yöntemleri İle Medikal Görüntülerde Kanserli Doku Tespiti
Cancerious Tissue Detection On Medical Images By Using Deep Learning Methods
- Tez No: 623692
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖNDER DEMİR, DR. ÖĞR. ÜYESİ KAZIM YILDIZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 87
Özet
Kanser, insanlarda sıkça görülen ve ölüm sebepleri arasında ikinci sırada olan bir hastalıktır. Ülkemizde de kanser vakalarında ciddi bir artış yaşanmaktadır. Kanserin erken evrelerde teşhis edilmesinin tedavinin başarısını arttırmak için çok kritik olduğu bilinmektedir. Ancak günümüzde kanser vakalarının artışı testlere ayrılan inceleme süresinin kısalmasını zorunlu hale getirmekte ve en doğru teşhisi koyma şansının azalmasına sebep olmaktadır. Ülkemizde onkoloji alanındaki uzman doktor sayısının da yetersiz olması da incelemelerde yetersizliğe sebep olmaktadır. Medikal görüntülemede ciddi gelişmeler yaşanmasının yanında, bu görüntülerin incelenmesinde de teknolojik gelişmelerden faydalanılmaktadır. Bu teknolojik gelişmelerden biri yapay zekanın günümüzdeki karşılığı olan derin öğrenmedir. Bu çalışmada medikal görüntüler üzerinde derin öğrenme yöntemleri kullanılarak kanserli doku tespiti yapmak amaçlanmıştır. Çalışmada bir Konvolüsyonel Sinir Ağı mimarisi olan YOLO kullanılmıştır. Gerçek zamanlı bir nesne tespit aracı olan YOLO, doğru konfigürasyonlarla medikal görüntülerde kanserli hücreleri tespit etmeyi başarmıştır. Çalışmada kullanılan veri setindeki tümür hücre görüntülerinin tespitinde %70-75 arası başarı elde edilmiştir.
Özet (Çeviri)
Cancer is one of the most frequent disase and the second cause of death. The number of cancer cases is increasing in our country too. It is known that early detection of cancer is critical to increase the success of treatment. But nowadays the increase in the number of cancer cases causes examination periods to be shorter and the chance of making the right diagnosis to be decreased. Additionaly, the insufficient number of expert doctors in oncology area in our country causes inadequacy in the examinations. In addition to serious developments in medical imaging, technological developments are also utilized in the examination of these images. One of these technological developments is deep learning which is current equivalent of artificial intelligence. In this study, it was aimed to detect cancerous tissue on medical images by using deep learning methods. YOLO, one of the Artificial Neural Network architectures is used in the study. A real-time object detection tool, YOLO succeeded detection of cancer cells in medical images with the correct configuration. About 70 -75% success rate was achieved in the detection of tumor cell images in the data set used in the study.
Benzer Tezler
- Automatic recognition of lymph node metastasis of bladder cancer with artificial intelligence
Yapay zekâ ile mesane kanserinin lenf nodu metastaslarının otomatik tanınması
MUHAMMET FATİH ÇAKMAKÇI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN GÖKHAN AKÇAY
- Böbrek tümörlerinin derin öğrenme yoluyla segmentasyonu
Segmentation of kidney tumors by deep learning
FUAT TÜRK
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT LÜY
PROF. DR. NECAATTİN BARIŞÇI
- Investigation of deep learning approaches for biomedical data classification
Biyomedikal veri sınıflandırmasında derin öğrenme yaklaşımlarının araştırılması
ESRA MAHSERECİ KARABULUT
Doktora
İngilizce
2016
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGAY İBRİKÇİ
- Derin öğrenme ile histopatolojik görüntü analizi
Histopathological image analysis using deep learning
ŞABAN ÖZTÜRK
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAYRAM AKDEMİR
- Microwave dielectric property characterization with open-ended coaxial probe and sensing depth analysis of the probes for biological tissues
Açık uçlu koaksiyel prob ile mikrodalga dielektrik özellik tanımlaması ve biyolojik dokular için probların algılama derinlik analizi
CEMANUR AYDINALP
Doktora
İngilizce
2022
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUBA YILMAZ ABDOLSAHEB