Derin öğrenmeye dayalı yapay zekâ teknikleri kullanılarak dermoskopik görüntülerden melanom tahminini sağlayan bir web arayüzünün geliştirilmesi
Development of a web interface for estimating melanoma from dermoscopic images using artificial intelligence techniques based on deep learning
- Tez No: 685484
- Danışmanlar: DR. ÖĞR. ÜYESİ EMEK GÜLDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Amaç: Son zamanlarda hastaneler ve sağlık kuruluşları, doktorlara ve sağlık uzmanlarına özel hasta değerlendirmeleri veya önerileri sağlayabilen klinik karar destek sistemlerine (KKDS) giderek daha fazla ihtiyaç duyuyor. KKDS, hassas tıbbi uygulamalar için önemli bir fırsat sağlar, hastanenin iş verimliliğini artırır ve maliyetleri düşürür. Bu durumda, önerilen tez çalışması ile, dermoskopik görüntüler kullanarak melanomu başarılı bir şekilde tahmin edebilen bir model oluşturmak ve bu model ile görüntülerin sınıflandırılabilmesi için web tabanlı bir sistem geliştirmek amaçlamaktadır. Materyal ve Metot: Bu çalışmada, model eğitimi ve test için toplamda 24.268 adet görüntü kullanılmıştır. Görüntülerin 18.607'i iyi huylu lezyon ve 5661 âdeti melanom içermektedir. Modelin oluşturulmasında VGG16 önceden eğitilmiş ağlar kullanılmıştır. Bulgular: Tez çalışmamızın bulguları incelendiğinde, Sensitivity değerimiz '0.74', Specificity değerimiz '0.8745', Accuracy değerimiz '0.8494' olarak hesaplanmıştır. Oluşan model ile elimizdeki test görüntülerini analiz ederken, 4000 sağlam ve 1000 melanom içeren kanserli görüntü kullanılmıştır. Modelimiz sağlam hasta görüntülerini içeren 4000 görüntünün 3498 tanesi sağlamken sağlam, 502 tanesine ise sağlam oluğu halde melanom olduğunu tahmin etmiştir. Modelimiz melanom hasta görüntülerini içeren 1000 görüntünün 251 tanesi melanom iken sağlam, 749 tanesine ise melanomken melanom olarak sınıflandırmıştır. Sonuç: En ölümcül cilt kanserlerinden biri olan melanomun sınıflandırılması sağlanmıştır ve web arayüzü ile kullanıcıların erişimine açılmıştır. Erken tanı ve teşhis için hekimlere daha hızlı karar verme imkânı sağlanmıştır. Html5 alt yapısı kullanıldığından yazılım mobil ile uyumludur. Bu sayede hekimlerin mobil cihazlarıyla da analiz yapmaları imkân sağlanmıştır.
Özet (Çeviri)
Aim: Recently, hospitals and healthcare organizations increasingly need clinical decision support systems (CDSS) that can provide physicians and healthcare professionals with tailored patient assessments or recommendations. CDSS provides an important opportunity for sensitive medical applications, increases the work efficiency of the hospital and reduces costs. In this case, with the proposed thesis, it is aimed to create a model that can successfully predict melanoma using dermoscopic images and to develop a web-based system for classification of images with this model. Material and Method: In this study, a total of 24.268 images were used for model training and testing. 18.607 of the images contain benign lesions and 5661 melanomas. VGG16 pre-trained networks were used to build the model. Results: When the findings of our thesis study were examined, the developed KKDS was able to classify melanoma images with an accuracy of 84.94%. Other classification performance criteria were calculated as sensitivity value of 74.00% and selectivity value of 87.45%, respectively. In the analysis of the existing test images with the created model, 4000 healthy and 1000 cancerous images containing melanoma were used. The model predicted that of the 4000 images containing the images of healthy patients, 3498 were intact while they were intact, and 502 were melanoma even though they were intact. At the same time, the developed model classified 251 of 1000 images containing melanoma patient images as healthy while melanoma and 749 as melanoma while melanoma. Conclusion: Classification of melanoma, one of the deadliest skin cancers, has been carried out and made available to users via the web interface. This web interface enables physicians to make faster decisions for early diagnosis and diagnosis. On the other hand, the software is compatible with mobile as it uses Html5 infrastructure. In this way, it allows physicians to analyze with their mobile devices.
Benzer Tezler
- Uzaktan algılama verileri kullanarak derin öğrenmeye dayalı arazi kullanımı ve arazi örtüsü haritalama modeli geliştirme
Developing a deep learning-based land use and land cover mapping model using remote sensing data
ŞAZİYE ÖZGE ATİK
Doktora
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZHAN İPBÜKER
- Derin pekiştirmeli öğrenmeye dayalı otonom sürüş için açıklanabilir yapay zeka
Explainable artificial intelligence (xai) for deep reinforcement learning based autonomous driving
MUHSİN KOMPAS
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İBRAHİM KÖK
- 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
- Deep learning based sentiment analysis for cloud provider selection
Bulut sağlayıcı seçimi için derin öğrenmeye dayalı duyarlılık analizi
MUHAMMAD RAHEEL RAZA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN TANYILDIZI
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR