Automatic recognition of lymph node metastasis of bladder cancer with artificial intelligence
Yapay zekâ ile mesane kanserinin lenf nodu metastaslarının otomatik tanınması
- Tez No: 673275
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN GÖKHAN AKÇAY
- 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: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 56
Özet
Yapay zekânın önemli bir alt başlığı olan derin öğrenme, sağlık hizmetlerinde önemli gelişmelere ve kolaylaştırmalara olanak tanımaktadır. Bu bağlamda derin öğrenme yöntemleri kullanılarak geliştirilen sağlıkla alakalı uygulamalar gün geçtikçe artmaktadır. Kanserli hücrelerin tespiti, tıbbi görüntüleme, hastalıkları öngörmek ve hastalıkların bulut sistemlerinde kayıtlarının alınması gibi çalışmalar buna örnek olarak verilebilir. Özellikle hastalıklı ve kanserli hücrelerin tespiti büyük öneme sahiptir. Çünkü tıbbın en önemli kuralı olan“erken teşhis hayat kurtarır”dan yola çıkıldığında, kanserli hücrelerin yapay zekâyla erken teşhis edilmesi hastaların hayata döndürülmesine büyük katkı sağlamaktadır. Çok çeşitli kanser türü olmakla beraber mesane kanseri en sık görülen kanser türlerinden biridir. Daha geniş bir doku alanına yayılan kanserli hücrelerin yanında küçük boyutlu tümör hücrelerini de içeren mesane kanseri teşhis edilmesi zor bir kanser türüdür. Bu araştırmada, mesane kanseri tümörlerinin lenf nodu metastazlarının derin öğrenme kullanılarak tespit edilmesi amaçlanmıştır. Yapılan deney ve eğitimlerde büyük alanlara yayılmış kanser hücreleri derin öğrenme modeliyle büyük ölçüde tespit edilebildiği halde küçük alana yayılan tümörlerde bu başarı düşüktür. Bu çalışmanın asıl amacı, Mask R-CNN algoritması kullanılarak büyük tümörlü alanlarda elde edilen başarılı tanıma sonuçlarının, modelin tanıma oranının düşük olduğu küçük tümörlü alanlarda da aynı ya da yakın bir oranla elde edilmesidir. Böylece uzun, zorlu çalışma saatleri ve oldukça yüksek hasta sayısına sahip olan doktorların, gözden kaçırabileceği küçük tümör alanlarının daha yüksek oranda tanınmasıyla doktorlara büyük kolaylık sağlanacaktır. Çalışma için özel oluşturulan veri seti, ResNet modelini kullanan Mask R-CNN algoritması ile test edilmiştir. Test sonuçlarında büyük alana yayılmış tümörlü hücrelerde kayda değer başarı sağlanırken küçük alanlarda modelin aynı başarıyı elde edemediği gözlenmiştir. Bu amaçla modelin aşama ve katman sayılarında değişiklikler yapılarak ve küçük bir veri setine rağmen küçük tümör alanlarında önemli bir tanıma artışı elde edilmiştir.
Özet (Çeviri)
Deep learning, which is an important subheading of artificial intelligence, enables significant improvements and facilitations in healthcare services. In this scope, health-related applications developed by deep learning methods are increasing day by day. Studies such as the detection of cancer cells, medical imaging, predicting diseases and recording diseases in cloud systems can be given as examples. Detection of diseased and cancerous cells is of great importance. Since“early diagnosis saves lives”is the most important medicine rule, early diagnosis of cancer cells through artificial intelligence makes a significant contribution to getting patients back to life. There are several different types of cancer, and bladder cancer is one of the most common types of cancer. Bladder cancer, which involves small tumor cells as well as cancer cells that spread over a wider area of tissue, is a difficult form of cancer to diagnose. The aim of this study is to detect the lymph node metastasis of bladder cancer using artificial neural networks. In experiments, while cancer cells that spread across large areas can be identified to a large extent by a deep learning model, this performance is lower in tumors that spread to small areas. The main purpose of this study is to achieve successful diagnosis accuracy in small cancer areas as well as in large cancer areas. Thus, significant convenience will be achieved with the recognition of small tumor areas in which doctors who have long, challenging working hours and quite high number of patients can overlook. Specially created dataset for the study was tested with the Mask R-CNN algorithm using the ResNet model. In the test results, it was observed that while significant success was achieved in tumor cells which covers large areas, the model did not achieve the same success on the small areas. For this purpose, changes and additions were made in the number of layers and stages of the model and a significant improvement in small tumor area detection was obtained.
Benzer Tezler
- Türkiye karayollarındaki trafik işaretlerinin otomatik tanınması
Automatic recognition of traffic signs in Turkey
HAMDİ YALIN YALIÇ
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. AHMET BURAK CAN
- Measuring the sentiment effects using emoticon features for a general Turkish corpus
Emoji ikonlarının özellikleri kullanılarak genel Türkçe derlem üzerinde duygu analizinin ölçülmesi
ÇAĞATAY ÜNAL YURTÖZ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BURAK PARLAK
- Application of a voting-based ensemble method for recognizing seven basic emotions in real-time webcam video images
Gerçek zamanlı web kamerası video görüntülerinde yedi temel duygunun tanınmasına yönelik oylamaya dayalı topluluk yönteminin uygulanması
AHMET TUNAHAN ŞANLI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT SARAN
- Yapay sinir ağları ile retinada hastalık teşhisi
Automatic recognition of retinopathy diseases by using neural network
FATMA DEMİREZEN YAĞMUR
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHaliç ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR KARLIK
- Uydu görüntüleri yardımıyla yol üst yapısında meydana gelen değişimlerin otomatik tespiti ve yol bakım planlaması
Automatic recognition of changes occuring on road infrastructure using satellite images and road maintanence planing
YUNUS EMRE ŞEN
Yüksek Lisans
Türkçe
2006
Jeodezi ve FotogrametriGebze Yüksek Teknoloji EnstitüsüJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAŞKIN KAVZOĞLU