Aktif termogramlar üzerinden meme lezyonlarında derin öğrenme yardımıyla malinite tespiti
Determination of malinity by deep learning in some breast lesions through active thermograms
- Tez No: 713434
- Danışmanlar: PROF. DR. AHMET BOZKURT
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Gelişen bilgisayar donanımları ile paralel artış gösteren yapay zekâ uygulamaları, hızlı ve yüksek doğrulukta sonuç vererek erken tanıya olanak sağlamaları ve olası metastazların önlenebilmesi gibi avantajlarından dolayı biyomedikal alanında kanserli dokuların tespitinde sıklıkla tercih edilmektedir. Bu tez çalışmasında termal meme görüntüleri üzerinden meme bölgelerinin bölütlenmesi ve sınıflandırılması işlemleri çalışılmıştır. Açık veri setinden alınan termal görüntüler derin öğrenme modellerine verilmeden önce bazı ön işlemlerden geçirilmiştir. Ön işlemlerin ardından meme bölgeleri bölütlenerek eğitim işlemleri için meme bölgesi dışında kalan alanlar otomatik olarak kırpılmıştır. Daha sonra sınıflandırma için iki farklı yöntem denenmiştir. İlk yöntemde meme bölgelerinin el yordamıyla bölütlenmesi ve transfer öğrenme uygulanarak sınıflandırılması yapılmıştır. İkinci yöntemde ise meme bölgelerinin otomatik bölütlenmesinin ardından transfer öğrenme uygulanarak lezyon sınıflandırılması çalışılmıştır. İkinci yöntemde kullanılan otomatik bölütleme işlemi için U-Net ve Mask R-CNN teknikleri denenmiş ve Mask R-CNN metodunun daha yüksek başarım göstermesi nedeniyle çalışmaya bu metot ile devam edilmiştir. Çalışmada kullanılan iki farklı yöntemin de eğitim işlemlerinde önceden eğitilmiş InceptionV3, MobileNet, MobileNetV2, ResNet50, VGG16, VGG19 ve Xception mimarileri ile transfer öğrenme uygulanmıştır. Çalışmanın bulguları incelendiğinde en yüksek eğitim doğruluğu, kesinliği ve duyarlılığını Xception (%100) mimarisi vermiştir. Eğitilen mimarilerin test başarımları incelendiğinde InceptionV3 ve MobileNet mimarilerinde %100 doğruluk, kesinlik ve duyarlılık elde edilmiştir. Kullanılan mimariler arasında en uzun sürede eğitilen ve en geç test sonucu veren mimariler Xception ve VGG mimarileri olurken en hızlı test sonucu veren mimari ise MobileNet mimarisi olmuştur.
Özet (Çeviri)
Artificial intelligence applications, which have increased in parallel with advances in computer hardware, are frequently preferred in cancer detection in biomedical field because they give rapid and high accuracy results, enable early diagnosis and prevent possible metastasis. In this thesis, segmentation and classification of breast regions were studied by thermal breast images. The images taken from an online data set were preprocessed before they were given to deep learning models. Then, the mammary regions were segmented and clipped from the outer areas for further training procedures. After this, two different methods were tried for classification. In the first method, the breast regions were manually segmented and classified by applying transfer learning. In the second method, lesion classification was studied by applying transfer learning after automatic segmentation of breast regions. For the automatic segmentation process used in the second method, U-Net and Mask R-CNN techniques were tried and the study continued with Mask R-CNN method because of higher performance. For the training of both methods used in the study, transfer learning was applied with the pre-trained InceptionV3, MobileNet, MobileNetV2, ResNet50, VGG16, VGG19 and Xception architectures. When the findings of the study were examined, the Xception architecture (100%) gave the highest training accuracy, precision and sensitivity. When the test performances of the trained architectures were examined, 100% accuracy, highest precision and sensitivity were obtained by InceptionV3 and MobileNet architectures. Among the architectures used, Xception and VGG architectures were the architectures that needed the longest training time, while the architecture that gave the fastest test results was the MobileNet architecture.
Benzer Tezler
- Synthesis of poly(vinyl pyrrolidone-B-vinyl alcohol) double hydrophilic block copolymers for direct preparation of core-shell magnetic nanoparticles
Çekirdek-kabuk manyetik nanotaneciklerin hazırlanması için poli(vinil pirolidon-B-vinil alkol) çifte hidrofilik blok kopolimer sentezi
GÜLCE ÖNGÖR
Yüksek Lisans
İngilizce
2017
Kimyaİstanbul Teknik ÜniversitesiKimya Ana Bilim Dalı
DOÇ. DR. BÜNYAMİN KARAGÖZ
- Non-brakiosefalik köpeklerde periodontal hastalığa yatkınlığın klinik ve termografik olarak değerlendirilmesi
Clinical and thermographic evaluation of susceptibility to periodontal disease in non-brachiocephalic DOGS
CANDEMİR ÖZCAN
Doktora
Türkçe
2022
Veteriner HekimliğiBurdur Mehmet Akif Ersoy ÜniversitesiCerrahi (Veterinerlik) Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KÜRŞAD YİĞİTARSLAN
- Silika ve karbon nanotüp ile güçlendirilmiş epoksi nanokompozit sentezi, karakterizasyonu ve deney tasarım teknikleri ile incelenmesi
Synthesis of epoxy nanocomposite reinforced silica and carbon nanotube, characterization and investigation with experimental design techniques
İNCİ YAŞAROĞLU
Yüksek Lisans
Türkçe
2020
KimyaBursa Teknik ÜniversitesiKimya Ana Bilim Dalı
DOÇ. DR. YUNUS KAYA
DR. ÖĞR. ÜYESİ ÖMÜR ARAS
- Sporcularda diz eklemi deri yüzey sıcaklıklarının değerlendirmesi ve denge test sonuçları ile ilişkisi
The assessment of skin surface temperatures of knee joint and relation between balance test results in athletes
MURŞİT AKSOY
- Merkapto grubu modifiye edilmiş hidroksietilselüloz'un sentezi ve arsenik adsorpsiyonunda kullanılmasının araştırılması
Synthesis of mercapto modified hydroxyethylcellulose and investigation of its use for arsenic adsorption
ONUR MEVLÜT ÖZER
Yüksek Lisans
Türkçe
2017
KimyaHacettepe ÜniversitesiFizikokimya Ana Bilim Dalı
YRD. DOÇ. DR. CENGİZ UZUN