Geri Dön

Beyin kitlelerine yönelik erken tanı ve sınıflandırma sistemi

Early diagnosis and classification system for brain masses

PDF İndir

  1. Tez No: 679984
  2. Yazar: ALİ BERKAN URAL
  3. Danışmanlar: PROF. DR. FIRAT HARDALAÇ, PROF. DR. PINAR ÖZIŞIK
  4. Tez Türü: Doktora
  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: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 111

Özet

Bu çalışma 2 ana bölümden oluşmaktadır. İlk bölüm, spesifik lokalizasyon ve parametrelere sahip beyin kitlelerinin (Glioblastom, Gliom, Menenjiom) arayüz destekli bir sistem ile otomatik olarak, erken tespit edilmesine ve yorumlanmasına yönelik hekimlere yardımcı bir karar destek sistemi şeklinde biyomedikal bilgisayar tabanlı bir ön tanılama sistemidir. İlk kısım da kendi içerisinde 2 alt kısma ayrılmakta olup, ilki; kitle tespiti ertesinde yapılan yorumlama, tahmin etme sürecinin klasik Yapay Zeka yöntemleri ve son yıllarda oldukça trend olan gelişmiş Derin Öğrenme yöntemleri ile gerçekleştirilmesidir. İkincisi; Derin Öğrenme modellerinden olan Konvolüsyonel Sinir Ağı (KSA), AlexNet ve ResNet-50 modelleri ile KSA modelinin Genetik Algoritma ile optimize edilerek, elde edilen en son versiyon algoritma ile sınıflandırma tahmini işleminin gerçekleştirilmesidir. İkinci bölüm ise, beyin kitleleri grubuna dahil olan inmenin (beyin krizi: iskemik ve hemorajik inme) erken tespiti, skorlanması ve durumunun yorumlanmasına yönelik bir biyomedikal tanı ve skorlama sistemidir. Manyetik Rezonans Görüntüleme (MRG) ve Bilgisayarlı Tomografi (BT) radyolojik görüntülerinden görüntü işleme sonrası özellik çıkarımı işlemi ertesi klasik yapay zeka yöntemlerinden olan Karar Destek Makinesı, k-En Yakın Komşu, Adaboost yöntemleri ile hastalara ait kitle görüntülerine yönelik durum ön tanı tahmini ve yorumlanması adımları gerçekleştirilmektedir. Derin Öğrenme modellerinden olan KSA, AlexNet ve ResNet-50 modelleri ile de özellik çıkarımına ihtiyaç duyulmadan daha gelişmiş ve trend olan yöntemlerle sınıflandırma işlemi gerçekleştirilmektedir. Çalışmanın ikinci bölümü, beyin kitle sınıfında yer alan inmenin bir önceki bölümdeki temel görüntü işleme ve örüntü tanıma yöntemleri kullanılarak inmenin erken tespiti, yorumlanması ve ek olarak, bilgisayar tabanlı otomatik bir inme skorlama ve yorumlama sistemi gerçekleştirilmiştir. Deneysel safhada, Glioblastom, Gliom ve Menenjiom beyin kitlelerinin her biri için 300'er, inme tanı ve skorlaması için ise 200 hasta görüntüsü kullanılmıştır. ROC analizi ve doğruluk/performans testi ertesi elde edilen sonuçlar, ilk kısımdan klasik yöntemler ile sınıflama sürecinden %82, AlexNet ve ResNet-50 gelişmiş modelleri ile sınıflama süreçlerinden sırası ile %87, %95 şeklindedir.

Özet (Çeviri)

This study consists of 2 main sections. The first part is a biomedical computer-based pre-diagnosis system as a decision support system that helps physicians to automatically detect and interpret brain masses with specific localization and parameters (Glioblastoma, Gliom, Meningioma) with an interface-supported system. The first part is divided into 2 sub-parts within itself. It is the realization of the interpretation and estimation process made after mass detection with classical Artificial Intelligence methods and advanced Deep Learning methods, which have been very trendy in recent years. Secondly, with using Convolutional Neural Network (CNN), AlexNet and ResNet-50 models and the classification estimation process is performed with the latest version algorithm. The second part is a biomedical diagnosis and scoring system for early detection, scoring and interpretation of the condition of stroke which is included in the group of brain masses. From Magnetic Resonance (MRI) and Computed Tomography (CT) radiological images, after image processing, for the next step, following the feature extraction process, one of the classical Artifical Intelligence methods, Support Vector Machine, k-Neareast Neighbor and Adaboost methods, the pre-diagnosis prediction and interpretation steps of the patients' mass iamges are performed. Classification processes are performed with more advanced and trending methods without the need for feature extraciton with CNN, AlexNet and ResNet-50 models, which are among the Deep Learning models. The second part is the early detection and interpretation of stroke using the image processing and pattern recognition methods and a computer-based automated stroke scoring method. In the experimental stage, 300 patient images were used for each of Glioblastoma, Glioma and Meningioma brain masses, and 200 patient images were used for stroke diagnosis and scoring parts. The results obtained after ROC analysis and accuracy / performance test are 82% from the first part of the classification process with classical methods, 87% from the classification processes with AlexNet and %95 from ResNet-50 advanced models, respectively.

Benzer Tezler

  1. Tez No

    857866

    Nöropazarlama uygulamalarının etik bağlamda değerlendirilmesi: Bir anket çalışması

    Ethical evaluation of neuromarketing applications: A survey study

    TOPRAK GÖKHAN BAĞLAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Halkla İlişkilerÜsküdar Üniversitesi

    Nöropazarlama Ana Bilim Dalı

    DOÇ. DR. EREN EKİN ERCAN

  2. Tez No

    487109

    Kör farelerde hipoksi ve normoksinin TRAIL aracılı hücre ölümünde rol oynayan ligand, reseptör ve anti-apoptotik yapılar üzerindeki etkilerinin araştırılması ve DR4, DR5, DcR1, DcR2, OPG, cIAP-1, cIAP-2, XIAP ve FLIP genlerinin moleküler karakterizasyonu

    Investigation of the effects of hypoxia and normoxia on ligand, receptor and anti-apoptotic structures in TRAIL-mediated cell death in blind mole rats and molecular characterization of DR4, DR5, DcR1, DcR2, OPG, cIAP-1, cIAP-2, XIAP and flip genes

    BARIŞ YILDIZ

    Doktora

    Türkçe

    Türkçe

    2018

    FizyolojiKafkas Üniversitesi

    Fizyoloji Ana Bilim Dalı

    PROF. DR. NADİDE NABİL KAMİLOĞLU

    YRD. DOÇ. DR. CEM ÖZİÇ

  3. Tez No

    551061

    Sınıf öğretmenlerinin sosyal medyada öğretmen - öğrenci etkileşimine yönelik görüşleri

    Classroom teachers' views on social media teachers and students interaction

    SİNEM DÜZEN SOYSAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Eğitim ve ÖğretimBolu Abant İzzet Baysal Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. ŞENAY SEZGİN NARTGÜN

  4. Tez No

    754408

    Blok tabanlı robotik kodlama eğitiminin uzaktan eğitimle yürütülmesine yönelik öğretmenlerin görüşleri ve bu eğitimin kalıcılığa etkisi

    Teacher's opinions on taking the block based robotic coding education online and effects of this education to permanency

    ARDA ÜLGER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Eğitim ve ÖğretimGazi Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı

    DOÇ. DR. ASLIHAN KOCAMAN KAROĞLU

  5. Tez No

    765558

    Queering contemporary British theatre: Coming out in Zodwa Nyoni's Nine Lives and Rob Madge's My Son's a Queer (But What Can You Do?)

    Çağdaş İngiliz tiyatrosunda bir kuir okuma: Zodwa Nyoni'nin Nine Lives ve Rob Madge'in My Son's a Queer (But What Can You Do?) oyunlarında açılma

    YUNUS EMRE ÖZMEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    İngiliz Dili ve EdebiyatıAtatürk Üniversitesi

    İngiliz Dili ve Edebiyatı Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUĞBA AYGAN

Geri Dön