Sağlık alanında derin öğrenme yöntemlerinin incelenmesi
Investigation of deep learning methods in healthcare
- Tez No: 739042
- Danışmanlar: DR. ÖĞR. ÜYESİ DENİZ TAŞKIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 124
Özet
Günümüzde hızla artan nüfus ile birçok alanda olduğu gibi sağlık alanında da iş yoğunluğu artmaktadır. Artan iş yoğunluğunun getirdiği yükü hafifletmek amacıyla sağlık alanında doktorlarımıza yardımcı olmak için hastalığın teşhisinde kullanılabilecek model ve algoritmalar geliştirilmektedir. Hastalığın özellikle erken teşhis edilmesi Dünyada ve Türkiye'de ölüm oranını azaltmak için çok önemli etkendir. Bu yüzden derin öğrenme yöntemleri kullanarak birçok hastalığın tespit edilmesi sağlık açısından önem taşımaktadır. Hastalıklar arasında en yaygın ve ölümle sonuçlanan hastalıklardan biri zatürredir. Zatürre hastalığı, görüntüleme tekniği olan röntgen ile tespit edilmektedir. Bu tez çalışmasında da akciğer röntgenlerinden oluşan veri kümesi içerisinde etiketli veriler ile sınıflandırma modeli kullanılmıştır. Ayrıca bu alandaki mevcut ve benzer çalışmalar incelenmiştir. İncelenen çalışmalar doğrultusunda performans açısından verimli olduğunu düşündüğümüz model ve metotlar tercih edilmektedir. Sağlık alanında verilerin kısıtlı olmasından kaynaklı kullanılacak olan modellerin uygunluğu başarı oranının daha yüksek olmasındaki temel faktördür. İlk aşama olarak veri kümesi, zatürre hastası olan ve zatürre hastası olmayan insanların akciğer röntgen görüntülerinden oluşmaktadır. Röntgen görüntüleri zatürre ve normal olmak üzere etiketlenmiştir. Bu etiketi verileri ile AlexNet derin öğrenme modeli kullanılarak eğitim işlemi gerçekleştirilmiştir. İkinci aşama olarak zatürrenin sebebinin bakteri kaynaklı mı virüs kaynaklı mı olduğunun tespit edilmesi için veri seti oluşturulmuştur. Veri setinde daha önce kullanmış olduğumuz veri setindeki röntgen görüntüleri etiketlerine göre ayrılarak hazırlanmıştır. Daha sonra mevcut olan veri setindeki röntgen görüntülerinden zatürre hastalığının nedeninin bakteri mi virüs kaynaklı mı olduğunu anlamak amacıyla AlexNet derin öğrenme modeli kullanarak eğitim işlemleri gerçekleştirilmiştir. Üçüncü aşama olarak normal, zatürre ve covid19 hastalarının göğüs röntgenlerinden oluşan veri seti kullanılmış. Veri setleri AlexNet ve GoogLeNet derin öğrenme modelleri ile eğitilmiş ve sonuçları karşılaştırılmıştır. Modellerin eğitimleri ve testleri aşamasında Nvidia Digits kullanılmıştır.
Özet (Çeviri)
Today, with a rapidly growing population, the intensity of work in the field of Health is increasing, as in many areas. In order to alleviate the burden of increasing labor intensity, models and algorithms are being developed that can be used to diagnose the disease to help our doctors in the field of Health. Early detection of the disease is a very important factor for reducing mortality in the world and in Turkey. For this reason, detecting many diseases using deep learning methods is important for health. Among diseases, one of the most common and fatal diseases is pneumonia. Pneumonia disease is detected by X-ray imaging technique. In this thesis, a classification model with labeled data was used in a dataset consisting of lung X-rays. In addition, current and similar studies in this area have been viewed. In line with the studies viewed, models and methods that we think are efficient in terms of performance are preferred. The suitability of the models to be used due to the limited data in the field of Health is the main factor in the higher success rate. As a first stage, the data set consists of lung X-ray images of people with pneumonia and without pneumonia. X-ray images are labeled as pneumonia and normal. With this tag data, the training process was carried out using the AlexNet deep learning model. As a second stage, a data set was created to determine whether the cause of pneumonia was caused by bacteria or viruses. The X-ray images in the data set that we have been used before were prepared by separating them according to their labels. Then, training operations were carried out using the AlexNet deep learning model to determine whether the cause of pneumonia disease was caused by bacteria or viruses from the X-ray images in the current data set. As a third stage, a data set consisting of chest X-rays of normal, pneumonia and covid19 patients was used. The datasets were trained with AlexNet and GoogLeNet deep learning models and their results were compared. Nvidia Digits were used during the training and testing phase of the models.
Benzer Tezler
- Determination of bone age assessment
Kemik yaşı belirlenmesinin değerlendirilmesi
DOĞACAN TOKA
Yüksek Lisans
İngilizce
2024
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜRVET KIRCI
- 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
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Moleküler haberleşme sistemlerinde alıcı kestirim yöntemleri
Receiver detection methods on molecular communications systems
ERGİN ASLAN
Doktora
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ERTUĞRUL ÇELEBİ