Detection of cancer area in lung images with the help of deep learning algorithms
Derin öğrenme algoritması ile akciğer görüntülerinde kanser alanının tespiti
- Tez No: 662863
- Danışmanlar: DOÇ. DR. AHMET ÇINAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sanayileşme sürecinin hızlanması ve sigara içenlerin sayısının artması ile akciğer kanserine bağlı ölümlerin sayısı yüksek olmaya devam ediyor. Büyük miktarda klinik veri, akciğer kanserinin erken aşamada akciğer nodülleri şeklinde ortaya çıktığını buldu. CT görüntüleme, erken akciğer nodüllerini bulmak için invazif olmayan tespit yöntemlerinden biridir. Bilgisayar destekli CT akciğer nodülü tespit sisteminin kullanılması, doktorlara erken teşhis ve teşhis konusunda yardımcı olabilir. Bununla birlikte, radyasyon dozları ve makine parametrelerindeki farklılık nedeniyle, farklı hastanelerin görüntü veritabanlarının parlaklığı, kontrastı veya ışınlama açısı farklıdır. Saptama sisteminin eğitimi, veri ekleyerek akciğer nodülü sınıflandırma algoritmasının performansını iyileştiremez. Bu, düşük veri kullanımı, yüksek etiket eğitim maliyetleri ve sınıflandırma modellerinin kolay sona ermesi gibi sorunlara neden olur. Bu araştırma, Evrişimli Sinir Ağı'nı (CNN) ve AlexNet, GoogleNet, Resnet18 ve Resnet50 gibi mimarilerini sağlar. CNN'nin önceden eğitilmiş mimarilerini kullanarak aktarım öğrenimini dahil ettik. Bu mimariler, web'de ücretsiz olarak bulunabilen SPIE AAPM akciğer görüntüsü veri seti olan büyük veri setleriyle test edilir. Eğitim verilerinin eksikliğinden dolayı, veri artırma tekniği eğitim verisi sayısını yapay olarak artırmayı önerdi. Evrişim Sinir Ağı mimarilerinin performansları, karışıklık matrisi, geri çağırma, kesinlik ve f1-score olan bazı matrislerle değerlendirildi. Yukarıdaki çalışmaya dayanarak, Matlab R2019b, önceden eğitilmiş ağları programlamak ve aktarım öğrenmeye dayalı sonuçları elde etmek için kullanılır.
Özet (Çeviri)
With the acceleration of the process of industrialization, and the increasing number of smokers, the number of deaths due to lung cancer remains high. A large amount of clinical data found that lung cancer appeared in the form of lung nodules in the early stage. CT imaging is one of the non-invasive detection methods to find early lung nodules. The use of computer-assisted CT lung nodule detection system can help doctors in early detection and diagnosis. However, due to the difference in radiation doses and machine parameters, the brightness, contrast, or irradiation angle of the image database of different hospitals are different. The training of the detection system cannot improve the performance of lung nodule classification algorithm by adding data. This causes problems such as low data usage, high label training costs, and easy expiration of classification models. This research provides the Convolutional Neural Network (CNN) and its architectures, such as AlexNet, GoogleNet, Resnet18 and Resnet50. We have included transfer learning by using CNN's pre-trained architectures. These architectures are tested with large data sets which are SPIE AAPM lung image dataset, which is freely available on the web. Due to the lack of training data, data augmentation technique has proposed to increase the number of training data artificially. The Convolution Neural Network architectures' performances were evaluated by some matrixes, which are confusion matrix, recall, precision and f1-score. Based on the above work, Matlab R2019b is used to program the pre-trained networks and obtaining the results based on transfer learning
Benzer Tezler
- Kemoradyoterapi alan akciğer kanseri hastalarında pet/btile bt desen analizi karşılaştırılması: tümörün tedaviyeyanıtını öngörebilir miyiz?
Comparison of pet/ct and ct texture analysis in patients withstage iii-iv lung cancer receiving chemoradiotherapy: can wepredict the treatment response of the tumor?
NILUFAR GASIMLI
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. ŞÜKRÜ MEHMET ERTÜRK
- Santral akciğer kanserinin değerlendirilmesinde sanal bronkoskopinin yeri
The role of virtual bronchoscopy in the evaluation of central lung cancer
DİLEK HACER ÇEŞME
Tıpta Uzmanlık
Türkçe
2012
Radyoloji ve Nükleer TıpSağlık BakanlığıRadyoloji Ana Bilim Dalı
UZMAN Nurten TURAN GÜNER
- Derin topluluk öğrenmesi modeli ile histopatolojik görüntüler üzerinde çok sınıflı kanser teşhisi
Multi-class cancer diagnosis on histopathological images with deep ensemble learning model
GİZEM YILDIZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖNDER YAKUT
- CNN derin öğrenme tekniği kullanılarak prostat kanser hastalığının teşhisi
Diagnosis of prostate cancer disease using CNN deep learning technique
MEHMET EMİN SALMAN
Doktora
Türkçe
2023
Mühendislik BilimleriSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI CEDİMOĞLU
- Tüberküloz hastalığının tespiti için yeni bir evrişimsel sinir ağı modeli
A new convolutional network model for detection of tuberculosis disease
MEHMET BABALIK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR