Derin öğrenme algoritmaları ile biyomedikal görüntülerden anomali tespiti
Anomaly detection through deep learning algorithms and biomedical images
- Tez No: 667321
- Danışmanlar: PROF. DR. MEHMET MELİH İNAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tıbbi görüntülerdeki anomalilerin bilgisayar destekli tespiti büyük öneme sahiptir. Bu alanda yapılan birçok araştırmaya rağmen, aşılması gereken birçok problem yeni çalışmalara kapı aralamaktadır. Bu çalışmanın amacı, Derin Öğrenme yöntemlerini kullanarak medikal görüntüler üzerinden tam otomatik olarak anomali tespiti yapmak ve sınıflandırmaktır. Ayrıca bu işlemi yaparak radyologlar üzerinde biriken yükü azaltmak ve insan hatasını asgari orana indirmektir. Çalışmada MURA (Stanford X-RAY kemik görüntüsü veri seti) ve EDD2020 (Endoskopi Hastalığı Tespiti ve Bölütleme yarışması) veri seti olarak kullanılmıştır. Bu veri setleri üzerinden Tensorflow ve Darknet kütüphaneleri üzerinden Mask R-CNN, YOLOv3, ResNet ve U-Net mimarileri kullanılarak derin öğrenme modelleri eğitilmiştir. Humerus (pazu kemiği) kemiklerinin X-RAY görüntüleri üzerindeki anomalilerinin tespiti için tasarlanan 12 ResNet bloğuna sahip modelde, test verilerindeki anomali tahminleri Cohen Kappa metriği ile 0,9568 oranında başarım elde etmiştir. YOLOv3 mimarisi ile EDD2020 veri kümesi üzerine eğitilmiş modelin F1- Doğruluk Ölçümü 0,46, ortalama hassasiyetin ortalaması mAP skoru ise 0,37 oranında kalmıştır. Endoskopi görüntülerinde anomali tespiti ve bölütleme için Mask R-CNN ve U-Net mimarileri kullanılarak iki ayrı model geliştirilmiştir. Mask R-CNN'de oluşturulan modelin AP skoru 0,20; U-Net'te oluşturulan modelin AP skoru ise 0,83 oranındadır. Gerçekleştirilen tüm yöntemler, radyoloji uzmanlarının yükünü azaltarak yol gösterici bir araç olarak önerilmektedir.
Özet (Çeviri)
The computer aided detection of anomalies in medical images has great importance. Many problems, which need to be overcome, lead to new studies despite many researches in this area. The aim of this study is to detect and classify abnormalities fully automatically on medical images using Deep Learning methods. In addition, it is to reduce the burden accumulated on radiologists and to minimize human error in the process. In the study, MURA (Stanford Bone X-Ray Dataset) and EDD2020 (Endoscopy Disease Detection and Segmentation) were used as dataset. Through these datasets, deep learning models were trained using Mask R-CNN, YOLOv3, ResNet and U-Net architectures over Tensorflow and Darknet libraries. The model with 12 ResNet blocks, designed for the detection of anomalies on the X-RAY images of the Humerus bones, has achieved 0,9568 success with the Cohen Kappa metric in the test data. With the YOLOv3 architecture, the model trained on EDD2020 dataset has an F1-Score of 0,46 and a mAP score of 0,37. Two different models have been developed by using Mask R-CNN and U-Net architectures for anomaly detection and segmentation in endoscopy images. The AP score of the model created in Mask R-CNN is 0,20; and the AP score of the model created in U-Net is 0,83. All performed methods are suggested as a guiding tool by reducing the burden of radiologists.
Benzer Tezler
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN
- Ön işlemenin ve askorbik asitin dondurularak depolanan yılan balıklarının (Anguilla anguilla) kalitesine etkileri
Başlık çevirisi yok
H.VOLKAN GÖKSEL
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiSu Ürünleri Ana Bilim Dalı
DOÇ. DR. AYDIN URAL
- Antakya tarihi ticaret merkezi mekansal yapı değişim ve gelişim sürecinin kent ticaret merkezi planlamasına etkinliği
The Effectiveness of spatial structural chance and development period of the historical trade center of Antakya in the urban trade planning
NEVİN TURGUT
Yüksek Lisans
Türkçe
1986
Şehircilik ve Bölge PlanlamaGazi ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
YRD. DOÇ. DR. NURCAN UYDAŞ