Beyin tümör tiplerinin makine öğrenmesi ve derin öğrenme tabanlı teknikler ile sınıflandırılması
The classification of brain tumor types using machine learning and deep learning based techniques
- Tez No: 667599
- Danışmanlar: PROF. DR. HÜSEYİN METİN ERTUNÇ
- Tez Türü: Doktora
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 136
Özet
Beyin tümör tipi sınıflandırması, iyileşme sürecinin hızlanması ve tedavi planlanması açısından oldukça önemlidir. Diğer taraftan radyologların tecrübesi ve dikkati, beyin tümörlerinin manuel teşhisinde önemli rol oynamaktadır. Uzmanlara yardımcı olmak ve teşhislerin doğruluğunu arttırmak için birçok beyin tümör sınıflandırma modelleri geliştirilmiştir. Bu tez çalışması kapsamında glioma, akciğer metastazı ve meme metastazı sınıflandırılması gerçekleştirilmiştir. Literatürde gliomalar ile ilgili çok sayıda çalışma bulunurken, akciğer ve meme metastazı ile ilgili çalışma yok denecek kadar azdır. Sınıflandırma işlemi için, ilk olarak, Yerel İkili Örüntüler (YİÖ), komşuluklarına göre YİÖ (dYİÖ) ve açılara dayalı YİÖ (αYİÖ) tabanlı öznitelik çıkarma yöntemleri geliştirilmiştir. YİÖ tabanlı öznitelik çıkarım yöntemlerinde farklı mesafe (d) değerleri (1, 2, 3 ve 4) ve farklı açı (α) değerleri (0, 45, 90 ve 135) ise farklı örüntüler elde etmek için seçilmiştir. dYİÖ, αYİÖ ve YİÖ yöntemleri ile elde edilen öznitelikler, Destek Vektör Makineleri (DVM), k-en yakın komşuluk (k-NN), Lojistik Regresyon (LR), Yapay Sinir Ağları (YSA), Rastgele Orman (RO) modelleri kullanılarak sınıflandırılmıştır. Öte yandan, sınıflandırma için önceden eğitilmiş Alexnet, VGG19 ve Resnet101 derin öğrenme modelleri kullanılmıştır. Önerilen yöntemleri test etmek için metastatik tümörler Kocaeli Üniversitesi Radyoloji Bölümü'nden, gliomalar ise Nanfang ve Tianjin Hastanesi'nin oluşturduğu online veri setinden elde edilmiştir. Makine öğrenmesi teknikleri arasında en yüksek başarı %93,54 olarak dYİÖd=1 örüntüleri ve YSA modeli ile elde edilirken, derin öğrenme modelleri arasında en yüksek başarı %94,66 olarak VGG19 ve Resnet101 modelleri ile sağlanmıştır.
Özet (Çeviri)
Classification of brain tumor types is very important in terms of accelerating the healing process and planning treatment. The experience and attention of the radiologists plays crucial role in diagnosing the brain tumor manually. Many brain tumor classification models have been developed to assist experts and increase the accuracy of diagnoses. Within the scope of this thesis study, the classification of glioma, lung metastasis and breast metastasis were carried out. While there are many studies about gliomas, there are almost no studies on lung and breast metastasis in the literature. For the classification process, firstly, feature extraction methods, such as Local Binary Patterns (LBP), LBP based on neighborhoods (dLBP), LBP based on angles (αLBP) were developed. Different distance (d) values (1, 2, 3, and 4) and different angle (α) values (0, 45, 90, and 135) were selected to obtain several patterns in the LBP based feature extraction methods. The features obtained by dLBP, αLBP and LBP methods were classified using Support Vector Machines (SVM), k-nearest neighborhood (k-NN), Logistic Regression (LR), Artificial Neural Networks (ANN), Random Forest (RF) models. Secondly, pre-trained Alexnet, VGG19 and Resnet101 deep learning models were used for classification. To test the proposed methods, metastatic tumors were obtained from Kocaeli University Radiology Department, and gliomas were obtained from the online dataset of Nanfang and Tianjin Hospital. While dYİÖd=1 patterns and ANN model performed the highest success rate as 93.54% among machine learning techniques, VGG19 and Resnet101 models yielded the highest success rate as 94.66% within deep learning models.
Benzer Tezler
- Breast cancer data classification using SVM, NB and KNN algorithms
SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması
BURCU MERAL
Yüksek Lisans
İngilizce
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. KAMİL ORUÇOĞLU
- Derin öğrenme yöntemleri ile beyin görüntülerinden nörolojik bozuklukların sınıflandırılması
Classification of neurological disorders from brain images using deep learning methods
MUHAMMET KUSEY DAHER
Yüksek Lisans
Türkçe
2025
NörolojiMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ACI
- Yapay zekâ algoritmaları ile ameliyat sırasındaki mikroskop görüntüleri üzerinden derin öğrenme tekniği ile pediatrik posterior fossa (arka çukur) tümör tanımlama yapılması
Pediatric posterior fossa tumor identification using artificial intelligence algorithms and deep learning techniques on intraoperative microscopic images
AHMET KARAGÖZ
Tıpta Uzmanlık
Türkçe
2024
NöroşirürjiMarmara ÜniversitesiBeyin ve Sinir Cerrahisi Ana Bilim Dalı
DOÇ. DR. MUSTAFA SAKAR
- Yapay zeka derin öğrenme algoritmaları ile mr görüntüleri ve ameliyat sırasındaki mikroskop görüntüleri kullanılarak derin öğrenme tekniği ile tümör sınıflaması yapılması ve tümörün normal beyin dokusundan ayırt edilmesinin sağlanması
Başlık çevirisi yok
EFECAN ÇEKİÇ
Tıpta Uzmanlık
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBeyin ve Sinir Cerrahisi Ana Bilim Dalı
PROF. DR. ADNAN DAĞÇINAR
- Beyin manyetik rezonans görüntülerinde makine öğrenmesi tabanlı tümör tespiti ve sınıflandırılması
Machine learning based tumor detection and classification in brain magnetic resonance images
ÖZLEM ALTIOK
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiHitit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT ALPARSLAN GÜNGÖR