Vücut benlerinin klinik görüntüleri üzerinde derin öğrenme tabanlı hastalık tahmini sisteminin geliştirilmesi
Development of a deep learning based disease prediction system on clinical images of body moles
- Tez No: 710647
- Danışmanlar: DR. ÖĞR. ÜYESİ ERKAN DUMAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Dermatoloji, Evrişimli sinir ağları, Melanom, Deep learning, Dermatology, Convolutional neural networks, Melanoma
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Donanım Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bilimsel olarak Melanomlara diğer cilt kanserlerine göre daha az rastlanır. Ancak cilt kanserine bağlı ölümlerin yaklaşık olarak %75'i melanomlara bağlı olarak gelişir. Kanser hücreleri çok hızlı büyüyen ve sistemik olarak yayılan bir davranış sergiler. Tüm kanser çeşitlerinde olduğu gibi cilt kanserinin tedavisi için de erken tanı büyük önem taşır. Dolayısıyla ciltte meydana gelen kanser belirtilerinin erken fark edilmesi ve doğru değerlendirilmesi son derece önemlidir. Vücut benlerii üzerinde bir değişiklik fark edildiğinde renk ve şekil açısından takip edilmeli, ten renginde veya pembe tonlarında görülen kabartılar da dikkate alınmalıdır. Dermatologlar sıklıkla Melanom'u erken aşamalarında tanılamak ve ortadan kaldırmak için düzenli cilt muayenesi önermektedir. Bu çalışmada derin öğrenme teknikleriyle, hastanın vücudundaki renkli lezyon görüntüleri üzerindeki örüntüler incelenerek cilt kanseri tespiti yapılmıştır. Tıpta bu konuda erken teşhisin önemine defalarca vurgu yapılırken çalışmamız sayesinde ben üzerinde kanser riski varsa erken teşhis edilip, tedavi aşamasına geçilmesi hedeflenmektedir. Çalışmamızda, dermoskopik görüntüler kullanılarak patolojik doğrulamaları yapılmış açık kaynak bir veritabanı ile evrişimsel sinir ağları başarılı bir şekilde eğitilmiştir. Dermoskopik görüntü cihazlarında; vücuttaki benlerin haritası oluşturularak renkli görüntüleri kayıt altına alınmaktadır. Böylece bir sonraki kontrolde elde edilecek görüntüyle karşılaştırma şansı sağlanmaktadır. Bu tez çalışmasında; Uluslararası Cilt Görüntüleme Birliği tarafından açık kaynak olarak erişime sunulan bir veri setindeki renkli lezyon görüntüleri, şekil ve boyut farklılığı üzerinden 7 farklı hastalığa ayrıştırılmıştır. Yapılan bu çoklu-sınıflandırma uygulamasında yüksek oranda doğruluk elde edilmiştir.
Özet (Çeviri)
Scientifically, melanomas are less common than other skin cancers. However, approximately 75% of skin cancer-related deaths are due to melanomas. Cancer cells Show a behavior that grows very quickly metastasis systemically As with all types of cancer, early diagnosis is of great importance for the treatment of skin cancer. Therefore, it is extremely important to recognize and accurately evaluate the signs of cancer occurring on the skin early. Therefore, when a color change occurring on the skin or a change in the body me is noticed, it should be followed in terms of color and shape, blisters in skin tones or pink tones should also be considered. Dermatologists often recommend regular skin examination to identify and eliminate Melanoma in its early stages. In this study, skin cancer detection was made by examining the patterns on the colored lesion images on the patient's body with deep learning techniques. While the importance of early diagnosis in medicine has been emphasized many times, our study aims to diagnose early and move to the treatment stage if there is a risk of cancer. In our study, convolutional neural networks were successfully trained with an open source database with pathological validations with dermoscopic images. With this method, the moles in the body are created and the point areas are determined. In dermoscopic image devices; color images are recorded by creating a map of the moles in the body. Thus, the chance to compare with the image to be obtained in the next check is provided. In this multiclassification application, a high degree of success was achieved.
Benzer Tezler
- Multi-dedektör bilgisayarlı tomografi ile pankreasta yaşa bağlı hacimsel değişikliklerin stereolojik yöntemle tespiti ve vücut kompozisyonu ile korelasyonu
Determining age related volumetric changes in pancreas with stereologic methods on multi-detector computerized tomography and correlation with body composition
VELİ ÇAĞLAR
Doktora
Türkçe
2011
AnatomiAfyon Kocatepe ÜniversitesiAnatomi Ana Bilim Dalı
DOÇ. DR. MURAT YAĞMURCA
PROF. DR. AHMET SONGUR
- Familyal parsiyel lipodistrofi hastalarında metabolik kontrole yönelik almakta oldukları tedavilerin etkinliğinin retrospektif değerlendirilmesi
Retrospective evaluation of the efficacy of various treatments for metabolic control in patients with familial partial lipodystrophy
HATİCE TUĞBA YAZIR
Tıpta Uzmanlık
Türkçe
2017
Endokrinoloji ve Metabolizma HastalıklarıDokuz Eylül Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. BARIŞ AKINCI
- Sağlıklı popülasyonda klinik veriler ışığında tükürük bezlerinin ultrasonografik bulgularının değerlendirilmesi
Evaluation of ultrasonographic findings of salivary glands in the light of clinical data in a healthy population
ESİN AKOL GÖRGÜN
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiAtatürk ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. FATMA ÇAĞLAYAN
- Klinik örneklerden üretilen anaerop bakterilerde antibiyotiklere direnç genlerinin araştırılması
Investigation of antibiotic resistance genes in anaerobic bacteria isolated from clinical samples
SEVINJ HAJIYEVA
Yüksek Lisans
Türkçe
2024
Mikrobiyolojiİstanbul Üniversitesi-CerrahpaşaTıbbi Mikrobiyoloji Ana Bilim Dalı
PROF. DR. HRİSİ BAHAR TOKMAN
- Klinik örneklerden izole edilen Pseudomonas aeruginosa suşlarında virülans genlerinin araştırılması
Investigation of virulence genes in P. aeruginosa strains isolated from clinical samples
ENVER TURNA
Yüksek Lisans
Türkçe
2025
Sağlık EğitimiVan Yüzüncü Yıl ÜniversitesiTıbbi Mikrobiyoloji Ana Bilim Dalı
PROF. DR. MEHMET PARLAK