Beyin tümörlerinin derin öğrenme ile manyetik rezonans görüntülerinden sınıflandırılması
Classification of brain tumors from magnetic resonance images with deep learning
- Tez No: 636979
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZLEM POLAT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Optik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 56
Özet
Bu çalışmada uzmanlara tanı ve tedavide yardımcı olmak amacıyla T1 ağırlıklı beyin Manyetik Rezonans (MR) görüntülerindeki farklı tipteki tümörlerin sınıflandırılması amaçlanmıştır. En yaygın beyin tümörlerinden olan gliyom, menenjiyom ve hipofiz bezesi tümörleri dört katmanlı evrişimsel sinir ağı ve derin transfer öğrenme yöntemlerinden olan VGG16, VGG19, Resnet50 ve Densenet121 ağları kullanılarak sınıflandırılmıştır. Veri kümesi olarak 3064 T1 ağırlıklı MR görüntüsü içeren erişime açık Figshare veri kümesi kullanılmıştır. Görüntü kümesi %70 eğitim ve %30 test olacak şekilde ayrılmıştır. Sınıflandırma yapılırken Adadelta, RMSprop, SGD, Adam gibi dört farklı optimizasyon algoritmasının başarıma etkisi de test edilmiştir. Çalışmada yöntemin kodlanması ve test edilmesi amacıyla Python dili ile Keras ve Tensorflow kütüphaneleri kullanılmıştır. Sınıflandırma performansı ve test sonuçları AUC (Area Under Curve), duyarlılık, özgüllük ve doğruluk metrikleri kullanılarak sunulmuştur.
Özet (Çeviri)
In this study, it was aimed to classify different types of tumors in T1-weighted brain Magnetic Resonance (MR) images in order to assist the experts in diagnosis and treatment. The most common brain tumors, glioma, meningioma and pituitary gland tumors, were classified using four-layer convolutional neural network and VGG16, VGG19, Resnet50 and Densenet121 networks, which are deep transfer learning methods. Figshare dataset, which contains 3064 T1-weighted MR images, was used as the data set. The image set is divided into 70% training and 30% test. While doing the classification, the effects of four different optimization algorithms such as Adadelta, RMSprop, SGD (Stochastic Gradient Descent), Adam on success were also tested. In the study, Python programming language withKeras and Tensorflow libraries were used to code and test the method. Classification performance and test results are presented using AUC (Area Under Curve), sensitivity, specificity and accuracy metrics.
Benzer Tezler
- Evrişimsel sinir ağı ve görü dönüştürücü mimarileri kullanılarak MR görüntülerinde beyin tümörlerinin otomatik sınıflandırılması
Automatic classification of brain tumors in MR images using convolutional neural network and vision transformer architectures
ÖMER MİRAÇ KÖKÇAM
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED EMRE ÇOLAK
- Derin öğrenme tabanlı beyin MR görüntülerinden beyin tümörlerinin tespit edilmesi ve sınıflandırılması
Detection and classification of brain tumors from MR images based on deep learning
ALİ ARI
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DAVUT HANBAY
- Beyin MR görüntülerinin görüntü işleme teknikleri kullanılarak sınıflandırılması
Classification of brain mr images using image processingtechniques
ERCÜMENT GÜVENÇ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEVLÜT ERSOY
DOÇ. DR. GÜRCAN ÇETİN
- Mr görüntülerinde gliyom karakterizasyonu için 3B analiz temelli sınıflayıcı model tasarımı
The design of 3D analysis-based framework for glioma characterization in MR images
ABDULSALAM HAJMOHAMAD
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN KOYUNCU
- Derin öğrenme yöntemlerini kullanarak MR görüntülerinden otomatik tümör tespiti
Automatic tumor detection from brain MRI images using deep learning techniques
NECİP ÇINAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KAYA