Evrişimsel sinir ağları ile toraks BT görüntülerinden akciğer kanseri tespiti
Detection of lung cancer on thorax CT images with convolutional neural networks
- Tez No: 652089
- Danışmanlar: DOÇ. DR. RAHİME CEYLAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda akciğer kanseri tümörleri, dünyadaki nüfus sayısında ciddi bir artış göstermiştir. Bilgisayarlı Tomografi (BT), akciğer kanseri teşhisi için kullanılan önemli bir medikal görüntüleme tekniğidir. Bununla birlikte, hekimlerin BT görüntülerinden tümörü iyi huylu veya kötü huylu olarak belirlemesi zordur. Bu tezde, iyi huylu ve kötü huylu tümörlerin sınıflandırılması için Evrişimsel Sinir Ağı (ESA) tabanlı mimariler kullanılmıştır. Amaç, tümörleri iyi huylu ve kötü huylu olarak sınıflandırmak için ESA'nın altı modelini kullanarak daha yüksek verimlilik ve doğruluk elde etmektir. Ayrıca, çalışmada görüntü üzerinde ön işleme yapmanın sonuca etkisi de incelenmiştir. Sonuçlar, orijinal veriler kullanıldığında, VGG16 mimarisinin %99,8 doğruluk ile akciğer kanseri tümör tipinin tahmininde en iyi mimari olduğunu ortaya çıkarmıştır. Bununla beraber segmentlere ayrılmış veriler kullanıldığında %99,4 doğrulukla en iyi performansı ResNet50 göstermiştir.
Özet (Çeviri)
In the recent decades, the number of lung cancer cases in the world has dramatically increased. Computed Tomography (CT) is used as a superior tool for lung cancer diagnosis. However, it is difficult for physicians to determine the tumor from CT images whether benignant or malignant. In this thesis, different Convolutional Neural Network-based architectures were used for the classification of benignant and malignant tumors. The objectives are to obtain higher efficiency and accuracy using CNN's six models to classify tumors as benignant and malignant. In addition, the effect of pre-processing made on image is investigated on these model's performance. The results revealed that using the original data, the VGG16 architecture was the best architecture for predicting lung cancer tumor type with 99.8% accuracy. However, when segmented data were used, ResNet50 showed the best performance with 99.4% accuracy.
Benzer Tezler
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Evrışımsel sınır ağları ıle meme kanserı hıstopatolojık görüntülerının sınıflandırılması
Classification of breast cancer histopathological images with convolutional neural networks
KEVIN KIAMBE ASSA
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET BABALIK
- Evrişimsel sinir ağları ile ortam tarifleme
Environment description with convolutional neural networks
ANIL ÇETİNSOY
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- Evrişimsel sinir ağları ile akciğer x-ray görüntülerinden COVID-19 tespiti ve hibrit model önerisi
COVID-19 detection from chest x-ray images and hybrid model recommendation with convolutional neural networks
FURKAN ERYILMAZ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. HACER KARACAN
- Evrişimsel sinir ağları ile cilt hastalık görüntülerinin sınıflandırılmasında transfer öğrenme yönteminin etkinliğinin araştırılması
Investigation of the efficiency of transfer learning method in classification of skin disease images by convolutional neural networks
AYHAN SARI
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSA AYDIN
DR. ÖĞR. ÜYESİ ALİ NİZAM