Geri Dön

Derin öğrenme yaklaşımı ile pulmoner nodül karar destek sistemi

Pulmonary nodule decision support system with deep learning approach

PDF İndir

  1. Tez No: 627624
  2. Yazar: HİLAL TİRYAKİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BURÇİN KURT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 51

Özet

Günümüzde tıbbi analiz ve teşhisi kolaylaştırmak için makine öğrenmesi kullanımı yaygınlaşmaktadır. Makine öğrenmesi ile bilgisayar destekli tanı sistemleri geliştirilerek makinelere yorum yapabilme yeteneği kazandırılmaktadır. Bu bağlamda bilgisayar destekli tanı sistemleri radyologlara ikinci bir görüş sunarak tanı ve tespit doğruluğunu arttırmaktadır. Erken dönemde tanı, hastanın sağ kalım sürecini artırmaktadır. Bu amaçla, bu tez çalışmasında, akciğer kanseri tanısında pulmoner nodüllerin benign (iyi huylu) ya da malign (kötü huylu) olarak sınıflandırılması için derin öğrenme yaklaşımının bir yöntemi olan konvolüsyonel sinir ağlarını kullanan bir karar destek sistemi geliştirildi. Makine öğrenmesinde Konvolüsyonel Sinir Ağı (Convolutional Neural Network-CNN) görüntülerin analiz edilmesinde başarıyla uygulanan derin yapay sinir ağıdır. CNN'ler minimal önişleme gerektiren, çok katmanlı yapıyı kullanır. Veri seti olarak Karadeniz Teknik Üniversitesi Farabi Hastanesi Radyoloji Bölümü'nden alınan 600 hastaya ait 1070 adet toraks BT (bilgisayarlı tomografi) görüntüleri kullanıldı. Geliştirilen karar destek sistemi ile toraks BT görüntüleri üzerinden akciğer kanseri tanısı için pulmoner nodüller otomatik olarak sınıflandırıldı. Beş kat çapraz doğrulama sonucunda en yüksek doğruluk %84, ortalama doğruluk %76, ortalama hassasiyet %77 ve ortalama özgüllük %75 olarak hesaplandı. Geliştirilen sistemin temel CNN modeli kullanılarak yapılan çalışmalar arasında en yüksek doğruluğa sahip olduğu görüldü.

Özet (Çeviri)

Today, the use of machine learning is becoming widespread to facilitate medical analysis and diagnosis. The machines are gained the ability to make comments by developing computer-aided diagnostic systems with machine learning. Thus, computer-aided diagnostic systems increase accuracy of diagnostic and detection by offering a second opinion to radiologists. Early diagnosis increases the patient's survival. In this thesis, a decision support system was developed for the classification of pulmonary nodules (benign or malignant) in the diagnosis of lung cancer using convolutional neural networks which is a method of deep learning approach. In the machine learning, the convolutional neural network (CNN) is a deep artificial neural network that is successfully applied in image analysis. The CNNs use the multi-layering structure which requires minimal pre-processing. 1070 Thorax CT images of 600 patients from the Farabi Hospital Radiology Department of Karadeniz Technical University were used as the data set. The pulmonary nodules were automatically classified for diagnosis of lung cancer from the thorax CT images by using the developed decision support system. As a result of five-fold cross-validation, the highest accuracy was 84%, the average accuracy was 76%, the average sensitivity was 77%, and the average specificity was 75%. The improved system has the highest accuracy among the studies using the basic CNN model.

Benzer Tezler

  1. Tez No

    679151

    Sınırlı veri setiyle sınıflama uygulamalarına yeni bir yaklaşım

    A new approach to classification applications with limited dataset

    SAİM ERVURAL

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT CEYLAN

  2. Tez No

    839148

    Makine derin öğrenme ile bt görüntüleri kullanarak pulmoner hipertansiyonun hemodinamik sınıflandırılması

    Hemodynamic classification of pulmonary hypertension using CT images with machine deep learning

    MEHMET ALİ GELEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    KardiyolojiFırat Üniversitesi

    Kardiyoloji Ana Bilim Dalı

    DOÇ. DR. TARIK KIVRAK

  3. Tez No

    870325

    Fibrotik akciğer hastalıklarında olağan interstisyel pnömoni paterninin tanısı ve takibinde derin öğrenme algoritmalarının kullanımı

    Utilization of deep learning algorithms in the diagnosis and monitoring of usual interstitial pneumonia pattern in fibrotic lung diseases

    GÜLFEM ERDOĞDU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Göğüs Hastalıklarıİstanbul Üniversitesi

    Göğüs Hastalıkları Ana Bilim Dalı

    PROF. DR. ZÜLEYHA BİNGÖL

  4. Tez No

    869676

    Akciğer kitlelerinde transtorasik ince iğne aspirasyon biyopsisi (TTİİAB) öncesi pnömotoraks öngörülebilirliğinin derin öğrenme yöntemi ile değerlendirilmesi

    Evaluation of pneumothorax predictionability by deep learning method before transtoraci̇c fi̇ne needle aspirati̇on biopsy (TTİİAB) in lung masses

    VUSAL MAMMADLI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Radyoloji ve Nükleer Tıpİstanbul Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. ŞÜKRÜ MEHMET ERTÜRK

  5. Tez No

    613413

    Derin öğrenme yaklaşımı ile malaria (sıtma) hastalığı görüntülerinin sınıflandırılması

    Classification of malaria disease images using deep learning approach

    MOHANAD MOHAMMED QANBAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAKİR TAŞDEMİR

Geri Dön