Tıbbi görüntü işleme ile tanı koymada veri madenciliği ve derin öğrenme yöntemlerinin performanslarının incelenmesi
Performance analysis of data mining and deep learning methods in diagnosis with medical image processing
- Tez No: 673458
- Danışmanlar: DOÇ. DR. JALE KARAKAYA KARABULUT
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Görüntü işleme, bilgisayara aktarılan görüntülerden faydalı bilgiler elde etmek amacıyla farklı matematiksel algoritmalar uygulanan yöntemler bütünüdür. Görüntü işlemede, birincil hedef olarak görüntülerin kalitesinin iyileştirilmesi amaçlanmaktadır. Görüntü işlemenin bir diğer olumlu yanı da görüntüleri tanımlayan sayısal değerlerin (öznitelikler) elde edilmesidir. Görüntü işleme yöntemi ile görüntülerden elde edilen öznitelikler, görüntüleri sınıflama amacıyla kullanılmaktadır. Çeşitli hastalıklara erken tanı koymada görüntüleme yöntemlerinin gelişmiş olmasına rağmen istatistiksel yöntemler ve çeşitli görüntü işleme algoritmaları da önemli olabilir. Bu çalışmada tıbbi görüntü işleme teknikleri kullanılarak mamografi görüntüleri sayısallaştırılıp öncelikle normal-anormal lezyon saptamada, sonrasında malign-benign lezyonları ayırmadaki başarısı incelenmiştir. Uygulanan beş farklı görüntü ön işleme algoritmasının, farklı iki bölütleme yönteminin ve meme doku tipinin sonuçlara olan etkisi araştırılmıştır. Ayrıca kullanılan farklı görüntü işleme tekniklerinde veri madenciliği ve derin öğrenme algoritmalarının da sınıflama performansları karşılaştırılmıştır. Bunun için açık kaynaklı MIAS veri tabanındaki 209 normal, 61 benign ve 52 malign olan 322 mamografi görüntüsü kullanılmıştır. Görüntü işleme içerisinde oluşturulan beş farklı ön işleme ve iki farklı bölütleme algoritmaları karşılaştırıldığında, görüntüler üzerinde uygulanan ön işleme ve görüntü bölütleme tekniklerinin sınıflama performans ölçülerini etkilediği görülmüştür. Genel olarak bu veri setinde klasik veri madenciliği yöntemlerinden DVM, RO ve YSA diğer algoritmalardan daha iyi performans göstermiştir. Derin öğrenme yöntemleri de klasik veri madenciliği yöntemlerine benzer sonuçlar vermiştir.
Özet (Çeviri)
Image processing is a set of methods in which different mathematical algorithms are applied in order to obtain useful information from images transferred to the computer. In this method, the primary goal is to improve the quality of images. Another positive aspect of the image processing method is the acquisition of numerical values (attributes) that describe the images. The features obtained from the images by the image processing method are used to classify the images. Although imaging methods are advanced, statistical methods and various image processing algorithms may also be important in diagnosing various diseases early. In this study, images were digitized using medical image processing techniques and its success in detecting normal-abnormal lesions and then in distinguishing malign-benign lesions was examined. The effects of five different image pre-processing algorithms, two different segmentation methods and breast tissue type on the results were investigated. In addition, classification performances of data mining and deep learning algorithms in different image processing techniques used were compared. For this, 322 mammography images, 209 normal, 61 benign and 52 malign, in the open source MIAS database were used. When five different pre-processing and two different segmentation algorithms created in image processing were compared, it was seen that the preprocessing and image segmentation techniques applied on images actually affected the classification performance measures. In general, SVM, RF and ANN, which are classical data mining methods, performed better than other algorithms in this data set. Deep learning methods also gave similar results to classical data mining methods.
Benzer Tezler
- Tıbbi görüntü işleme ile akciğer grafisinde COVID-19 pozitif tespiti için veri madenciliği ve derin öğrenme yöntemlerinin performanslarının incelenmesi
Investigation of the performance of data mining and deep learning methods for COVID-19 positive detection in lung graph with medical image processing
FATMA GÜL KURT
Yüksek Lisans
Türkçe
2022
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. JALE KARAKAYA KARABULUT
- Görüntü işleme ile erken evre melanoma tespiti yapan akıllı sistem tasarımı
Design of early stage melanoma detecting smart system using image processing
ALİ ERBAŞ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKırıkkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET YALÇINKAYA
- Kapilleroskopik görüntülerde segmentasyon
Segmentation of capillaryoscopic images
MUSTAFA BÜBER
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KEMAL TÜTÜNCÜ
- Glokom hastalığı tanı ve izlemede görüntü işleme ve bilgi teknolojileri
Image processing and information technologies for diagnosis and tracing glaucoma illness
İBRAHİM CANER TOSUNOĞLU
Yüksek Lisans
Türkçe
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HÜLYA YILDIRIM
- Görüntü işleme ve esnek hesaplama yöntemleri kullanılarak down sendromunun ayırt edilmesi
Discrimination of down syndrome by using image processing and soft computing methods
ŞAFAK SARAYDEMİR
Doktora
Türkçe
2013
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NECMİ TAŞPINAR
PROF. DR. OSMAN EROĞUL