Geri Dön

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

PDF İndir

  1. Tez No: 667599
  2. Yazar: KAPLAN KAPLAN
  3. Danışmanlar: PROF. DR. HÜSEYİN METİN ERTUNÇ
  4. Tez Türü: Doktora
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Tez No

    549184

    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

    İngilizce

    2019

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. KAMİL ORUÇOĞLU

  2. Tez No

    861337

    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

    Türkçe

    2024

    NöroşirürjiMarmara Üniversitesi

    Beyin ve Sinir Cerrahisi Ana Bilim Dalı

    DOÇ. DR. MUSTAFA SAKAR

  3. Tez No

    789886

    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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Beyin ve Sinir Cerrahisi Ana Bilim Dalı

    PROF. DR. ADNAN DAĞÇINAR

  4. Tez No

    825571

    Çocukluk çağı beyin tümörlerinin görüntü işleme teknikleriyle özellik çıkararak makine öğrenmesi yöntemleriyle sınıflandırılması

    Classification of childhood brain tumors by machine learning methods by extracting features with image processing techniques

    NURAY DEMİRÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    BiyomühendislikErciyes Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. SEMRA İÇER

  5. Tez No

    473055

    Investigating the microstructural and mechanical properties of the novel metallic materials used in interdisciplinary fields and constructing a relationship with the biocompatibility in biomedical applications

    Disiplinlerarası uygulamalarda kullanılan üstün özellikli metalik malzemelerin mikro yapı ve mekanik özelliklerinin incelenmesi ve biyomedikal uygulamalarda kullanılanlar ile biyouyumluluk ilişkisinin kurulması

    BENAY UZER

    Doktora

    İngilizce

    İngilizce

    2017

    Makine MühendisliğiKoç Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DEMİRCAN CANADİNÇ

Geri Dön