Makine öğrenme teknikleri kullanılarak basınç ülserlerinin sınıflandırılması
Classification of pressure ulcers using machine learning techniques
- Tez No: 696683
- Danışmanlar: PROF. İBRAHİM YÜCEDAĞ, ÖĞR. GÖR. FADİME ÖĞÜLMÜŞ DEMİRCAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Düzce Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Basınç ülserleri yatağa bağlı hastalarda uzun süre hareketsizliğe bağlı oluşan yaralardır. Bu durum dünyada önemli bir sağlık sorunu haline gelmiştir. Tedavinin etkili olabilmesi için basınç ülserlerinin teşhisinin doğru yapılması çok önemlidir. Yara özellikleri, iyileşme üzerinde önemli bir etkiye sahiptir. Girişimsel bilgi alma yöntemleri, basınç ülserlerinin teşhisinde hastalar için acı vericidir. Ayrıca bu yöntemler, hastanın enfeksiyon kapmasına sebebiyet verebilir. Bu yüzden, cerrahi işlem gerektirmeyen yara izleme teknikleri tercih edilmelidir. Görüntüleme sistemleri sayesinde yara ile temas edilmeden yaranın özelliklerinin doğru bir şekilde analiz edilmesi sağlanır. Bu tez çalışmasının amacı, görüntü analizinde makine öğrenmesi tekniklerinden yararlanılarak basınç ülserlerinin sınıflandırılması ile tedavi süreçlerine olumlu bir katkıda bulunmak ya da yara oluşumunun önlenmesini sağlamaktır. Bu tezde literatürde basınç yarası problemine evrelendirme sayısı bakımından yenilik getirilmiştir. Basınç yarası evrelendirilmesi doğru bir görüntü sınıflandırma problemi şeklinde ele alınmıştır. 697 tane yara görüntüsünden oluşan gerçek hastane verileri, Lojistik Regresyon, Yapay Sinir Ağları ve Destek Vektör Makineleri yöntemleri ile analiz edilmiştir. Bu görüntülerindeki yara rengi, ölçüsü gibi özellikler görüntü işleme sayesinde ayrıştırılmış ve görüntülerden yaranın hangi evrede olduğu belirlenmiştir. Sınıflandırma için basınç ülserlerinin 6 evresi referans alınmıştır. Bu çalışmada az sayıda veri setindeki farklı açılardan elde edilen görüntülerin bulunması sınıflandırma için uzmanların sınıf değerlerini tayin etmelerinde zor olmasa da arka planda bulunan görüntüler sınıflandırmayı zorlaştırmaktadır. Eğitim için daha çok veri kullanılması ve Derin Öğrenme mimarileri kullanılması performans değerlerini artıracaktır.
Özet (Çeviri)
Pressure ulcers are wounds caused by prolonged inactivity in bedridden patients. This situation has become an important health problem in the world. Correct diagnosis of pressure ulcers is essential for treatment to be effective. Wound characteristics have an important effect on healing. Interventional methods of obtaining information are painful for patients in diagnosing pressure ulcers. In addition, these methods may cause the patient to become infected. Therefore, non-surgical wound tracing techniques should be preferred. With imaging systems, it is ensured that the characteristics of the wound are analyzed accurately without contacting the wound. The aim of this thesis study is to make a positive contribution to the treatment processes or to prevent the formation of wounds with the classification of pressure ulcers by using machine learning techniques in image analysis. In this thesis, an innovation has been brought to the pressure sore problem in the literature in terms of the number of staging. Pressure ulcer staging is handled as an accurate image classification problem. Real hospital data consisting of 697 images wound Logistic Regression, Neural Networks and Support Vector Machines were analyzed by the method. Features such as wound color and size in these images were separated by image processing and the stage of the wound was determined from the images. The 6 stages of pressure ulcers are referenced for classification. Although it is not difficult for experts to determine the class values for classification, the images obtained from different angles in a small number of data sets in this study make it difficult to classify the images in the background. Using more data for training and using Deep Learning architectures will increase performance values.
Benzer Tezler
- Prediction of flow rates from different entries using PLT p-T measurements in a horizontal well by machine learning methods
Makine öğrenmesi teknikleri ile bir yatay kuyunun farklı girişlerin debilerinin PLT p-T ölçümlerinden tahmini
MUHARREM HİLMİ ÇEVİK
Yüksek Lisans
İngilizce
2022
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT ÇINAR
- Gesture recognition and customization on textile-based pressure sensor array
Tekstil tabanlı basınç sensörü dizisinde hareket algılama ve kişiselleştirme
İLKNUR ÇELİK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Otomatik üretim teknolojisine ait betonların basınç dayanımlarının makine öğrenmesi ve derin öğrenme yöntemleri ile tahmin edilmesi
Estimating the compressive strength of concrete with automatic production tecknology by machine learning and deep learning
HÜSEYİN KAYHAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NİHAN KAZAK ÇERÇEVİK
DR. ÖĞR. ÜYESİ ALİ ERDEM ÇERÇEVİK
- Bakım planlamasında kullanılan makine öğrenme yöntemlerinin çok kriterli karar verme ile analizi
Analysis of machine learning methods used in maintenance planning with multi-criteria decision making
GÖZDE NUR CALAYIR
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KABAK
- Yapay zekâ tabanlı elektrokardiyografi sinyali ile kan basıncı tespiti
AI-based blood pressure detection with electrocardiography signal
DERYA KANDAZ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR