U-net derin öğrenme modelleri kullanılarak beyin tümörü tespiti
Brain tumor detection using U-net deep learning models
- Tez No: 708769
- Danışmanlar: PROF. DR. RIDVAN SARAÇOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka ve Robotik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Tıbbi görüntü işleme, çeşitli tıbbi problemlerde; kanser, diyabet vb. hastalıkların teşhisinde yaygın olarak kullanılmaktadır. Kanser hastalığı son zamanlarda artış gösteren ve ölüme sebebiyet veren ciddi bir rahatsızlıktır. Sağlık alanında en çok ihtiyaç duyulan konulardan biri de vücuttaki kanserli bölgenin erken sürede teşhisidir. Manyetik rezonans görüntüleme ile elde edilen görüntülerden beyin tümörünü otomatik olarak tespit eden bir uygulama, sağlık çalışanlarına zaman kazandırırken; kanserde daha erken teşhise olanak sağlarken insandan kaynaklı hata oranını da en aza indirebilir. Bu tez çalışmasında beyin tümörünün teşhisi için Klasik U-net, U-Net+VGG16, U-Net+ResNet50 ve U-Net++ Evrişimli Sinir Ağları önerilmiştir. Bu yöntemler ile tümor segmentasyonu gerçekleştirilmiş ve tahminler oluşturulmuştur. Sonuçlar, dice coefficient, hassaslık, özgüllük ve Jaccard İndeksi olarak verilmiş ve bu oranlar karşılaştırılmıştır. Uygulama sonuçları karşılaştırıldığında, en yüksek doğruluk değerine U-Net++ ile ulaşıldığı görülmüştür.
Özet (Çeviri)
Medical image processing, in various medical problems; cancer, diabetes etc. It is widely used in the diagnosis of diseases. Cancer is a serious disease that has increased in recent years and caused death. One of the most needed issues in the field of health is the early diagnosis of the cancerous area in the body. An application that automatically detects a brain tumor from images obtained with magnetic resonance imaging saves time for healthcare professionals; While it enables earlier diagnosis in cancer, it can also minimize the human error rate. In this thesis, Classical U-net, U-Net+VGG16, U-Net+ResNet50 and U-Net++ Convolutional Neural Networks are proposed for the diagnosis of brain tumor. With these methods, tumor segmentation was performed and predictions were created. The results were given as dice coefficient, sensitivity, specificity and Jaccard Index and these ratios were compared. When the application results were compared, it was seen that the highest accuracy value was achieved with U-Net++.
Benzer Tezler
- Beyin MR görüntülerinin görüntü işleme teknikleri kullanılarak sınıflandırılması
Classification of brain mr images using image processingtechniques
ERCÜMENT GÜVENÇ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEVLÜT ERSOY
DOÇ. DR. GÜRCAN ÇETİN
- 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
- Medikal görüntülerde derin öğrenme yöntemlerinin başarım değerlendirmesi
Performance evaluation of deep learning methods in medical images
AYŞE MELİKE İDİNAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YONCA BAYRAKDAR YILMAZ
- Derin öğrenme yaklaşımı kullanılarak beyin tümörünün segmentasyonu
Brain tumor segmentation using deep learning approach
MUHAMMAD TAYYAB AZIZ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. SHAHRAM TAHERI
- Derin öğrenme mimarileri ile MR taramalarından omuriliğin otomatik bölütlenmesi ve MS lezyonlarının ayırıcı tanısı
Automatic segmentation of the spinal cord from MR scans and differential diagnosis of MS lesions with deep learning architectures
RUKİYE POLATTİMUR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL