Geri Dön

U-net derin öğrenme modelleri kullanılarak beyin tümörü tespiti

Brain tumor detection using U-net deep learning models

  1. Tez No: 708769
  2. Yazar: MERVE KAYAR
  3. Danışmanlar: PROF. DR. RIDVAN SARAÇOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Van Yüzüncü Yıl Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka ve Robotik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Beyin MR görüntülerinin görüntü işleme teknikleri kullanılarak sınıflandırılması

    Classification of brain mr images using image processingtechniques

    ERCÜMENT GÜVENÇ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEVLÜT ERSOY

    DOÇ. DR. GÜRCAN ÇETİN

  2. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Medikal görüntülerde derin öğrenme yöntemlerinin başarım değerlendirmesi

    Performance evaluation of deep learning methods in medical images

    AYŞE MELİKE İDİNAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YONCA BAYRAKDAR YILMAZ

  4. Derin öğrenme yaklaşımı kullanılarak beyin tümörünün segmentasyonu

    Brain tumor segmentation using deep learning approach

    MUHAMMAD TAYYAB AZIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. SHAHRAM TAHERI

  5. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE DANDIL