Geri Dön

Fetüs cinsiyetinin ultrason görüntülerinden derinöğrenme tekniklerine dayalı tespiti ve sınıflandırılması

Detection and classification of fetal gender from ultrasound images based on deep learning techniques

PDF İndir

  1. Tez No: 679075
  2. Yazar: ESRA SİVARİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ZAFER CİVELEK, DR. ÖĞR. ÜYESİ SEDA ŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Çankırı Karatekin Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 86

Özet

Fetüs cinsiyetinin tespitinde kullanılan tıbbi yöntemlerin tamamı uzman müdahalesi gerektirmektedir. Bu çalışmada, fetüs cinsiyetinin uzmandan bağımsız teşhis edilebildiği, derin transfer öğrenme algoritmalarına dayalı yeni bir yöntem önerilmiştir. Çalışma için uzmanlarla birlikte, 2200' ü kız, 2200' ü erkek cinsiyetli olmak üzere 4400 adet fetüs cinsiyeti içeren 2-D, B-Mod obstetrik ultrasonografi görüntülerinden oluşan veri seti oluşturulmuştur. Çalışmanın ilk aşamasında, veri setiyle en uyumlu özellik çıkarıcı ağın bulunması hedeflenmiştir. VGG16, InceptionV3, ResNet152V2, DenseNet201 ve Xception ağlarına derin transfer öğrenme teknikleri uygulanarak, hassas ayarlı yeni modeller elde edilmiştir. Bu modeller ile sınıflandırma yapılarak, 0.9627 doğruluk ile en başarılı sınıflandırıcı olan ft-DenseNet201 ağı en iyi özellik çıkarıcı seçilmiştir. İkinci aşamada, en iyi sınıflandırıcının bulunması hedeflenmiştir. Bu aşamanın gerçekleştirilmesinde, ft-DenseNet201 ağının evrişim tabanı ile özellik çıkarma işlemi yapılmıştır ve bu özellikler, Lojistik Regresyon (LR), Doğrusal Destek Vektör Makinesi (LSVM), K-En Yakın-Komşu (KNN), Karar Ağacı (DT), Rastgele Orman (RF) ve AdaBoost (AB) algoritmaları ile sınıflandırılmıştır. Kullanılan 11 farklı sınıflandırıcı algoritma içinde en başarılı model, 0.9782 test doğruluğu ile ftDenseNet201 + LSVM' dir. Önerilen yöntem, ev tipi ultrason cihazlarına entegre edilebilir ve böylece, ebeveynler doktor muayenesi olmadan fetüs cinsiyetini öğrenebilirler. Aynı zamanda önerilen sistem, cinsiyet teşhisinde en sık başvurulan, invaziv olmayan obstetrik ultrasonografi yöntemine alternatif, yeni bir teşhis yöntemi olarak değerlendirilebilir ve doktorların iş yükünü hafifleten olanaklar sağlayabilir.

Özet (Çeviri)

All of the medical methods used in determining the sex of the fetus require expert intervention. In this study, a new method based on deep transfer learning algorithms is proposed by which fetal gender can be diagnosed independently from an expert. For the study, a data set consisting of 2-D, B-Mode obstetric ultrasonography images containing 4400 fetuses, 2200 female and 2200 male gender, was created together with the experts. In the first phase of the study, it is aimed to find the most compatible feature extractor network with the data set. By applying deep transfer learning techniques to VGG16, InceptionV3, ResNet152V2, DenseNet201 and Xception networks, new precision tuned models have been obtained. By classifying these models, the most successful classifier with an accuracy of 0.9627, ft-DenseNet201 network was chosen as the best feature extractor. In the second stage, it is aimed to find the best classifier. In the realization of this stage, feature extraction process has been performed with the convolution base of ft-DenseNet201 network and these features are classified with the algorithms of Logistic Regression (LR), Linear Support Vector Machine (LSVM), K-NearestNeighbor (KNN), Decision Tree (DT), Random Forest (RF) and AdaBoost (AB). Among the 11 different classifier algorithms used, the most successful model is ftDenseNet201 + LSVM with 0.9782 test accuracy. The proposed method can be integrated into household ultrasound devices so that parents can find out the sex of the fetus without a doctor's consultation. At the same time, the proposed system can be considered as a new diagnostic method, an alternative to the non-invasive obstetric ultrasonography method, which is the most commonly used method in gender diagnosis, and can provide opportunities that alleviate the workload of doctors.

Benzer Tezler

  1. Tez No

    851832

    Gebelik boyunca kısrak maternal plazmasında sex-determining region y (SRY) ve amelogenin y (AMELY) genlerinin belirlenmesi ve bu genlerin fetal cinsiyetle ilişkisi

    Sex-determining region y(SRY) and amelogenin y (AMELY) genes amplification in pregnant mare maternal plasma and relation between these genes and sex

    ÖMER MEHMET ERZENGİN

    Doktora

    Türkçe

    Türkçe

    2024

    Veteriner Hekimliğiİstanbul Üniversitesi-Cerrahpaşa

    Veteriner Doğum ve Jinekoloji Ana Bilim Dalı

    PROF. DR. MEHMET CAN GÜNDÜZ

  2. Tez No

    193214

    Maternal periferik kanda fetal genomik DNA'nın belirlenmesi

    Detection of fetal genomic DNA in maternal peripheral blood

    UĞUR AKPULAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    BiyolojiDokuz Eylül Üniversitesi

    Tıbbi Biyoloji ve Genetik Ana Bilim Dalı

    Y.DOÇ.DR. ÇİĞDEM ERESEN

  3. Tez No

    453865

    Gebelikte kilo alımının çocuğun iki yaşındaki nörolojik gelişimine etkisi

    Gestational weight gain and the child's neurological development at two years of age

    BURÇİN GÖNÜLLÜ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Çocuk Sağlığı ve HastalıklarıÇanakkale Onsekiz Mart Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    YRD. DOÇ. DR. NAZAN KAYMAZ

  4. Tez No

    815317

    Non-invazif prenatal test (NIPT) tekniğinde, maternal kandaki fetal DNA (cffdna) fraksiyonu yüzdesi (%) üzerine etki etmesi muhtemel faktörlerin retrospektif olarak araştırılması

    'retrospective investigation of potential factors affecting the fetal dna (cffdna) fraction percentage (%) in non-invasive prenatal testing (NİPT) technique from maternal blood'

    MAHMUT YILMAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Kadın Hastalıkları ve DoğumUfuk Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    PROF. DR. EMRE GÖKSAN PABUÇCU

  5. Tez No

    115146

    Preeklampside androjenler

    Preeclampsia and androgens

    BÜLENT DEMİR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2002

    Kadın Hastalıkları ve DoğumDicle Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    Y.DOÇ.DR. AHMET YALINKAYA

Geri Dön