Using deep learning and medical data classification for predicting bacterial skin infection
Başlık çevirisi mevcut değil.
- Tez No: 693039
- 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: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Bulaşıcı bulaşıcı hastalıklar, eczacılıkta en sık görülen hastalık belirtilerinden biridir. Genellikle klinik olarak teşhis edilir, ardından dermo kopya görüntüleri muayenesi, terapötik veya transdermal bir ilaç ve histolojik inceleme ile klinik bir değerlendirme yapılır. Bu çalışmada, CNN ve sağlık bilgisi tespiti gibi derin öğrenme tekniklerinin nasıl olabileceğine bakacağım. mikrobiyal cilt hastalıklarını tahmin etmek için kullanılır. Belirli cilt koşullarının belirlenmesinin etkinliğini doğrulamak için sürekli olarak büyük veriler kullanılmaktadır. Kesinlik kalitesini korurken süreci hızlandırmak için birçok yeni yöntem geliştirilmiştir. Bu yazıda, her ikisi de yapay zekanın derin öğrenme çerçevesinin bileşenleri olan makine öğrenimi ve yapay sinir ağlarını kullanarak bakteriyel enfeksiyon olasılığını tahmin etmek için bir yöntem sunduk. Veriler, cilt enfeksiyonlu bireylerin yaklaşık 3000 fotoğrafını içeriyor. iki kategoriye ayrılır: kötü huylu veya iyi huylu. Yüzeysel bulaşıcı hastalıkların fotoğraflarının uygunluğunu doğrulamak için CNN ve 7 farklı çerçevesini kullandık ve bu sorun için en iyi çerçeveyi belirlemek için karşılaştırmalı bir çalışma yaptık. Veri setimizin eğitimi, test edilmesi ve doğrulanması için iyi bilinen bir MATLAB R2019a yazılımı bu amaçla kullanıldı. Cilt problemlerini tespit etmede yaklaşık yüzde 91.303 verimlilik oranıyla Sinir Ağları ve Sağlık Bilgi Analizi kullanarak harika bir sonuç elde ettik.
Özet (Çeviri)
Infectious infectious diseases are one of the most common signs of disease in pharmacy. It's usually diagnosed clinically, with a clinical evaluation followed by a dermo copy images examination, a therapeutic or transdermal drug, and a histological examination.. In this study, I'll look at how deep learning techniques like CNN and health information detection can be used to forecast microbial skin disease. Big data is constantly being used to verify the effectiveness of identifying specific skin conditions. Many new methods have been developed to speed up the process while maintaining the quality of precision. In this paper, we introduced a method for predicting the likelihood of bacterial infections using machine learning and artificial neural networks, both of which are components of artificial intelligence's deep learning framework.. The data comprises nearly 3000 photographs of individuals with skin infections that are divided into two categories: malignant or benign. We used CNN and its 7 distinct frameworks to verify the relevance of photos of surface infectious diseases and conducted a comparative study to identify the best framework for this issue.. For the training, testing and validation of our dataset a well- known MATLAB R2019a software was used for this purpose. We had the great outcome using Neural Networks and Health Information Analysis, with an efficiency rate of nearly 91.303 percent in detecting skin problems..
Benzer Tezler
- 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
- Yapay zekâ-tabanlı hibrit anomali tespit ve klinik karar destek teknikleri ile kardiyovasküler hastalıkların ve COVİD-19'un otomatik tespiti
Artificial intelligence-based hybrid anomaly detection and clinical decision support techniques for automated detection of cardiovascular diseases and COVİD-19
MERVE BEGÜM TERZİ
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- A modified resnet-50 CNN model for classification of eye diseases.
Göz hastalıklarının sınıflandırılmasına yönelik modifiye bir resnet-50 CNN modeli
SAJAD ABDLKADHIM ABDLHUSEIN ALKHAYKANE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAİT DEMİR
DR. ÖĞR. ÜYESİ ASHWAN A. ABDULMUNEM
- Thyroid disorders prediction using long short term memory (LSTM) technique with non dominated sorting genetic algorithm (NSGA-II) as risk factor feature determination
Başlık çevirisi yok
SAHAR JASIM MOHAMMED
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Heart disease prediction project
Kalp hastalıklarını önleme projesi
RUBA AYAD YOUSIF AL-SAMMARRAIE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN KOYUNCU