Geri Dön

Deep learning approaches for MRI image classifications

Başlık çevirisi mevcut değil.

  1. Tez No: 652611
  2. Yazar: MUHAMMAD ZUBAIR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SHAHRAM TAHERI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Antalya Bilim Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

Alzheimer hastalığı (AD) için herhangi bir tedavi olmamasına rağmen, doğru bir erken teşhis hem hasta hem de kamu bakımı için çok önemlidir. Önerdiğimiz model, geleneksel makine öğrenimi ve derin öğrenme yaklaşımları olmak üzere iki ana deneyden oluşmaktadır. Bu iki çalışma, Alzheimer hastalığı Nörogörüntüleme Girişimi (ADNI) veri kümesi kullanılarak gerçekleştirildi. İlk deneyimizde, Alzheimer hastalığını teşhis etmek için farklı el yapımı özellik tanımlayıcıları test ettik. Ancak en güçlü ve verimli tanımlayıcı, maksimum yüzde 90,14 doğruluk sağlayan Monogenic Binary Coding'dir (MBC). İkinci deneyde, Alzheimer hastalığının teşhisi için manyetik rezonans görüntüleme (MRI) taramalarını kullanan yeni bir derin evrişimli sinir ağı öneriyoruz. Bu araştırmada, önceden eğitilmiş bir CNN mimarisi Inceptionv3 kullanarak AD, hafif bilişsel bozukluk (MCI) ve normal kontrol (NC) olan hastaları ayırt etmek için yeni bir 3 yollu sınıflandırıcı öneriyoruz. Önerilen yöntem, önceden eğitilmiş bir CNN mimarisi olan Inceptionv3'ün ince ayarını yaparak görüntüleri tanımlamak için aktarım öğrenmeyi kullanmak için yeterli teknik üzerinde çalışır. Önerilen sistemin performansı, ADNI veri kümesi üzerinden hesaplanır. Önerilen model, çok sınıflı sınıflandırma problemleri için% 95.71'lik en iyi genel doğruluğu vererek yeni sonuçlar göstermiştir. Deneysel sonuçlarımız, derin öğrenme yaklaşımlarının performansının geleneksel makine öğreniminden nispeten daha yüksek olduğunu göstermektedir.

Özet (Çeviri)

Although there is no treatment for Alzheimer's disease (AD), but an accurate early diagnosis is very important for both the patient and public care. Our proposed model consists of two main experiments traditional machine learning and deep learning approaches. These two studies were carried out using the Alzheimer's disease Neuroimaging Initiative (ADNI) dataset. In our first experiment, we tested different handcrafted feature descriptors to diagnose Alzheimer's disease. But the most powerful and efficient descriptor is Monogenic Binary Coding (MBC) that gives maximum accuracy of 90.14 percent. In the second experiment, we propose a novel deep convolutional neural network for the diagnosis of Alzheimer's disease and its stages using magnetic resonance imaging (MRI) scans. In this research, we propose a novel 3-way classifier to discriminate patients having AD, mild cognitive impairment (MCI), and normal control (NC) using a pre-trained CNN architecture Inceptionv3. The proposed method work on proficient technique to use transfer learning to identify the images by fine-tuning a pre-trained CNN architecture, Inceptionv3. The performance of the proposed system is calculated over the ADNI dataset. The proposed model showed novel results by giving the best overall accuracy of 95.71% for multiclass classification problems. Our experimental results show that the performance of the deep learning approaches is comparatively higher than the traditional machine learning.

Benzer Tezler

  1. Diagnosis of brain cancer and contour normal tissue for radiation therapy based on deep learning methods

    Derin öğrenme yöntemleriyle radyoterapi için beyin kanseri tanisi ve normal doku ayrimi

    NAVID HALILI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Ana Bilim Dalı

    PROF. DR. MUSTAFA DOĞAN

  2. Brain tumor detection and classification using image processing techniques

    Başlık çevirisi yok

    SULTAN BAHR FAYYADH

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM

  3. Derin öğrenme yöntemleriyle medikal görüntü sınıflandırma

    Medical image classification with deep learning methods

    ZEYNEP CANTEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HACER KARACAN

  4. Beyin tümörünün derin öğrenme yaklaşımları kullanılarak tespit edilmesi

    Detecting brain tumor using deep learning approaches

    CAFER ASLIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBatman Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ABİDİN ÇALIŞKAN

  5. Meme kitlelerinin ve aksiller lenf nodu durumunun değerlendirilmesinde çeşitli görüntüleme modalitelerinden yararlanan bir derin nöral ağ tasarımı

    Design of a deep neural network utilizing various imaging modalities for the assessment of breast masses and axillary lymph node status

    OZAN CAN TATAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Genel CerrahiKocaeli Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET OKTAY YİRMİBEŞOĞLU