Geri Dön

Yapay öğrenme yöntemleri ile akciğerdeki tümörlerin birincil kökenlerine göre sınıflandırılması

Classification of tumors in the lung according to primary origins using machine learning methods

  1. Tez No: 650374
  2. Yazar: ABDULLAH ENES TAHA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Radyoloji ve Nükleer Tıp, Industrial and Industrial Engineering, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 108

Özet

Dünyadaki kansere bağlı ölümlerde akciğer kanseri birinci sırada yer alıyor. Ayrıca akciğerler, toraks dışı kötü huylu hücreler için en sık görülen ikinci metastatik büyüme bölgesidir ve vakaların %20-54'ünde ikincil akciğer lezyonları saptanır. Bilgisayarlı tomografide tespit edilen çoklu nodüllerin %73'ü akciğer metastazıdır. Kötü huylu tümör tanısı konulmuş hastalarda kemoterapi ve radyoterapi tedavilerine başlayabilmek için öncelikle tümörün birincil kökenini belirlenmesi gerekmektedir. Biyopsi gerektiren bu işlem her zaman kolay olmayabiliyor ve hastanın farklı yerlerinden defalarca parça alınabiliyor. Bu süreç haftaları hatta ayları bulabiliyor. Kanser tedavilerinde erken tanının önemi düşünüldüğünde birkaç hafta önem arz etmektedir. Bu tez çalışmasında kanser tedavi sürecinde kolaylık sağlamayı amaçlayarak akciğerdeki tümörlerin metastaz olup olmadığı tespit edilmeye çalışılmıştır. Segmente edilmiş kötü huylu akciğer tümörleri, yapay öğrenme yöntemleri kullanılarak metastatik olup olmadığına göre sınıflandırılmıştır. Bu sınıflandırma işlemi lojistik regresyon, k-en yakın komşu, destek vektör makinesi, rastgele orman, gradyan arttırma ve yapay sinir ağları olmak üzere 6 farklı yapay öğrenme yöntemi kullanılarak yapılmış ve sonuçları birbirleriyle karşılaştırılmıştır. Toplam 100 hastanın akciğer bilgisayarlı tomografisinin kullanıldığı bu çalışmada yapay sinir ağlarının diğer yapay öğrenme yöntemlerine göre daha iyi sınıflandırdığı gözlemlenmiştir.

Özet (Çeviri)

Lung cancer ranks first in cancer-related deaths in the world. Lungs are the second most common metastatic growth site for non-thoracic malignant cells and secondary lung lesions are detected in 20-54% of cases. 73% of multiple nodules that are detected in computed tomography are lung metastases. In current practice, the primary origin of the tumor should be determined first in order to start chemotherapy and radiotherapy treatments in patients diagnosed with malignant tumors. This procedure, which requires biopsy, is not always easy. It may be necessary to take samples from different parts of the patient's body many times. This process might take weeks or even months. Considering the importance of early diagnosis in cancer treatments, each week is important. In this thesis, it was tried to determine whether the tumors in the lung metastasize, aiming to facilitate the cancer treatment process. Segmented malignant lung tumors are classified according to whether they are metastatic or not using machine learning methods. This classification process was performed using 6 different machine learning methods: logistic regression, k-nearest neighbors, support vector machine, random forest, gradient boosting and artificial neural networks, and the results were compared with each other. In this study, in which the lung computed tomography of 100 patients was used, it was observed that artificial neural networks classified better than other artificial learning methods.

Benzer Tezler

  1. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  2. Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  3. Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease

    Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi

    İNANÇ MORAN

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DENİZ TURGAY ALTILAR

  4. Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images

    Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı

    OZAN GÜLDALİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜL İNAN

  5. Customer transaction predictive modeling via machine learning algorithms

    Yapay öğrenme yöntemleri ile müşteri işlem tahmini modeli

    SEYİT ERTUĞRUL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilim ve TeknolojiMEF ÜNİVERSİTESİ

    Bilişim Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUNA ÇAKAR