Geri Dön

Derin öğrenme tabanlı bilgisayar destekli akciğer kanseri tespiti

Deep learning based computer aided lung cancer detection

  1. Tez No: 721508
  2. Yazar: BÜŞRANUR BAHAT
  3. Danışmanlar: DR. ÖĞR. ÜYESİ PELİN GÖRGEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi-Cerrahpaşa
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

Dünya Sağlık Örgütü istatistiklerine bakıldığında 2020' de en yaygın kanser türlerinde ikinci sırada akciğer kanseri yer almaktadır. Bunun yanı sıra kanser ölümlerinin en sık nedeni ise akciğer kanseri olduğu görülmektedir. Akciğer kanseri tedavi sürecinde yapılan bilgisayarlı tomografi taramaları radyologlar tarafından incelenmektedir. Bu görüntülerin analizi uzun zaman alabilmektedir. Nodüllerin tespitinin deneyimli doktorlar tarafından yapılması bile çok zor olduğundan bilgisayarlı tomografi taramaları radyologlar için büyük ölçüde yük oluşturmaktadır. Bundan dolayı bilim insanları, doktorların ve alanında uzman kişilerin yüklerini hafifletmek ve teşhislerde iyileştirme yapmak için bilgisayar destekli çözümler üzerine çalışmaktadırlar. Önerilen çalışmaların çoğu makine öğrenmesi ve derin öğrenme üzerine gerçekleşmektedir. Bu çalışmanın amacı da erken tanı için bilgisayar destekli akciğer kanseri tespitinin yapılmasıdır. Bu tezde derin öğrenme tabanlı evrişimsel sinir ağı kullanılarak akciğer kanseri tespitinin yapılması hedeflenmiştir. Deneysel sonuçlar için Amerikan Ulusal Kanser Enstitüsü' ne ait LIDC-IDRI veri kümesindeki akciğer tomografi görüntüleri kullanılmıştır. Akciğer görüntüleri evrişimsel sinir ağı derin öğrenme modeline girdi olarak verilmiştir. Fakat akciğer kanseri tespitinin daha yüksek doğruluğa sahip olması için görüntülere ön işlem yapılmıştır. Bu ön işlemlerin ilki Gabor filtrelemedir. Gabor filtreleme ile ilgili parametrelerde farklı değerler denenerek en iyi sonucun elde edilmesi amaçlanmıştır. Sonrasında filtrelenmiş görüntülere CLAHE işlemi uygulanmış, yeni görüntüler farklı evrişimsel sinir ağı derin öğrenme modellerine girdi olarak verilmiş ve sonuçlar kıyaslanmıştır. Deneysel sonuçlara göre en yüksek doğruluk değeri %99.701 olarak elde edilmiştir.

Özet (Çeviri)

According to the the statistics of the World Health Organization, lung cancer ranks second among the most common cancer types in 2020. In addition, the most common cause of cancer deaths is lung cancer. Computed tomography images that acquired during the treatment process of lung cancer are examined by radiologists. Analysis of these images can take a long time. Since the detection of nodules is very difficult even for the experienced doctors, computed tomography scans create a great burden for the radiologists. Hence scientists have been studying on computer-assisted solutions to relieve the burden of doctors and experts and also to improve diagnostics. Most of the studies have been proposed are on machine learning and deep learning. The goal of this study is to implement computer aided lung cancer detection for early diagnosis. In this thesis, it is aimed to detect lung cancer using deep learning based convolutional neural network. Lung tomography images in the LIDC-IDRI dataset of the American National Cancer Institute are used for the experimental results. Lung images are given as inputs to the convolutional neural network deep learning model. However, images are pre-processed in order to have a higher lung cancer detection accuracy. One of these pre-processes is Gabor filtering. It is aimed to obtain the best result by trying different parameter values regarding to Gabor filtering. Afterwards, the CLAHE process is applied to the filtered images, then the processed images are given as inputs to the different convolutional neural network deep learning models and the results are compared. According to the experimental results, the highest accuracy is obtained as of 99.701%.

Benzer Tezler

  1. 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

  2. Medikal veri setleri için yeni bir aşırı öğrenme makinesi otomatik kodlayıcı tasarımı

    A new extreme learning machine auto encoder design for medical datasets

    BERNA ARI

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULKADİR ŞENGÜR

  3. Radyoterapi başarım kestirimi için akciğer malin tümörlerinin bilgisayar destekli 3-boyutlu modellenmesi

    Computer aided 3d modeling of malign tumors in lungs for the performance estimation of radiotherapy

    DAVUT ÇELİK

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET SERTBAŞ

  4. Biomedical image processing using artificial intelligence

    Yapay zeka kullanarak biyomedikal görüntü işleme

    SHIREEN ALOFARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAMZA OSMAN İLHAN

  5. Sayısal veri ve göğüs röntgen görüntülerinden derin öğrenme yaklaşımları ile pnömoni tespiti

    Pneumonia detection with deep learning approaches from numerical data and chest X-ray images

    ZEHRA KADİROĞLU

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı

    PROF. DR. HANİFİ GÜLDEMİR

    PROF. DR. ABDURRAHMAN ŞENYİĞİT