Brain tumor detection and classification using image processing techniques
Başlık çevirisi mevcut değil.
- Tez No: 675418
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
Beyin Tümörü, beyindeki doku veya hücrelerin anormal ve kontrolsüz büyümesidir, beyin tümörü tehlikeli ve yaşamı tehdit eden bir hastalıktır, Görüntü işleme yoluyla hastalıkların tespiti, beyin tümörünün MRI görüntülerini işleyen entegre bir yaklaşımla çalışma yöntemleri kullanılarak yapılır. beynin normal veya anormal olup olmadığını bu yaklaşımı ayırt eder, bu alanda tıbbi bilgileri analiz etmek, beyin tümörünün en önemli özelliklerini analiz etmek ve çıkarmak ve farklı olanları ayırt etmek için görüntü analizi ve işleme tekniklerine odaklanmak için bilgisayar sistemleri kullanılmıştır. her hastalığın semptomlarına dayanan hastalıklar. Bu çalışma, görüntü işleme ve derin öğrenme tekniklerini kullanarak beyin tümörünü tespit etmek için önerilen iki yaklaşımı benimser ve bu iki yaklaşım arasında bir karşılaştırma yapar. Bu çalışma, Glioma, Meningioma, Pituitary Adenoma ve Nerve Sheath dahil olmak üzere bazı önemli ve ortak bir beyin tümörü grubu için planlandı. Bu tür beyin tümörleri dünyadaki en popüler olanlardır. Veri seti, her biri 1500 görüntüye sahip olan kötü huylu (normal) ve iyi huylu (anormal) ile ilgili 3000 görüntü içerir. Aşamalar şeklinde birkaç adımın kullanıldığı ilk önerilen yaklaşımda, bunlar arasında görüntü elde etme aşaması, görüntü ön işleme, görüntü bölümleme, görüntü son işleme, özelliklerin çıkarılması ve sınıflandırma aşaması yer alır. Önerilen ikinci yaklaşımda sınıflandırma işlemini gerçekleştirmek için sınıf destek vektör makinesi (SVM) algoritması kullanılmış, beyin tümörünün birkaç katmandan oluşan bu algoritmanın özel bir yapısına göre sınıflandırıldığı evrişim sinir ağı (CNN) kullanılmıştır. Önerilen bu iki yaklaşımda, tümör farklı sınıflara göre sınıflandırılmıştır. Önerilen iki yaklaşımın performans ve doğruluk açısından karşılaştırılmasından elde edilen sonuçlar, derin öğrenmeyi benimseyen ve CNN algoritmasını kullanan ikinci yaklaşımın birinci yaklaşıma tercih edildiğini gösterdi çünkü ikinciden elde edilen genel doğruluk oranı önerilen yaklaşım (% 98,29) idi. Önerilen ilk yaklaşımdan elde edilen genel doğruluk oranı ise (% 68.9) idi. Bu nedenle önerilen ikinci yaklaşım, beyin tümörünü tespit etme ve sınıflandırma sürecinde daha doğru ve güçlüdür.
Özet (Çeviri)
Brain Tumor is the abnormal and uncontrolled growth of tissues or cells in the brain, the brain tumor is dangerous and life-threatening disease, Detection of the diseases through image processing is done by using an integrated approach working methods of processing MRI images of brain tumor entering it and distinguishes this approach if the brain is normal or abnormal, computer systems have been used in this area to analyze medical information, analyzing and extracting the most important features of the brain tumor and focusing on image analysis and processing techniques to distinguish between different diseases based on the symptoms of each disease. This work adopts two proposed approaches for detecting brain tumor using image processing and deep learning techniques with makes a comparison between these two approaches. This work was planned to some an important and common group of brain tumor, including Glioma, Meningioma, Pituitary Adenoma, and Nerve Sheath. These kinds of brain tumors are the most popular in the world. The dataset contains 3000 images related to malignant (normal) and benign (abnormal) each one has 1500 image. In the first proposed approach, where several steps are used in the form of stages, which are include, the image acquisition stage, image pre-processing, image segmentation, image post-processing, extraction the features, and the classification stage. Class support vector machine (SVM) algorithm was used to perform the classification process in the second proposed approach, the convolution neural network (CNN) was used through which the brain tumor are classified according to a special structure of this algorithm consisting of several layers. In these two proposed approaches, the tumor were classified to deferent classes was detected. The obtained results from the comparison between the two proposed approaches in terms of performance and accuracy showed the preference of the second approach which adopted the deep learning and using the CNN algorithm, over the first approach, because the overall accuracy rate that obtained from the second proposed approach was (98,29%). While the overall accuracy rate that obtained from the first proposed approach was (68.9%). So, the second proposed approach is more accurate and powerful in the process of detecting and classifying brain tumor.
Benzer Tezler
- Görüntü işleme teknikleriyle beyin tümörlerinin tespiti ve sınıflandırma algoritmalarıyla analizi
Detection of brain tumors with image processing techniques and analysis with classification algorithms
GÖKALP ÇINARER
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
- 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
- Detection of cancerous brain cells with machine learning
Makine öğrenimi ile kanserli beyin hücrelerinin tespiti
UYGAR CANKAT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TANER DANIŞMAN
- A medical decision making system for brain tumor identification from magnetic resonance images using machine learning techniques
Makine öğrenimi tekniklerini kullanarak manyetik rezonans görüntülerinden beyin tümörünün belirlenmesi için tıbbi karar verme sistemi
ZAHRAA ABD AL RAHMAN MOHAMMED AL SAFFAR
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK