Geri Dön

Derin öğrenme yöntemleri ile CXR görüntülerinden COVID-19/zatürre/normal sınıflandırması ve U-net tabanlı COVID-19 bölütlemesi

COVID-19/pneumonia/normal classification from CXR images and U-net based COVID-19 segmentation with deep learning methods

PDF İndir

  1. Tez No: 745485
  2. Yazar: ESRA BALIK
  3. Danışmanlar: PROF. DR. MEHMET KAYA
  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: 2022
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 54

Özet

2019 yılının Aralık ayında Çin'de ortaya çıkan koronavirüs isimli Covid-19 hastalığı, tüm dünyada kısa sürede pandemi haline gelmiştir. Özellikle akciğerlere verdiği hasarlar ile ölümle sonuçlanabilen bu virüsün teşhisi için Transkripsiyon Polimeraz Zincir Reaksiyonu (RT-PCR) testinin yanlış negatifler üretmesi ve teşhis süresinin uzun olması yeni alternatifler aramaya sebep olmuştur. Bu nedenle göğüs görüntülerinin Bilgisayarlı Tomografi veya CXR görüntüleme tekniklerinden elde edilen verilerle göğüs görüntülerinden teşhis sağlanması için uygun araçlar olmuştur. Bu araçlar ile teşhis sağlanması Covid-19 ve Zatürre hastalığının enfeksiyonlu bölgesinin belirlenmesi için derin öğrenme çalışmaları önerilmiştir. Bu tez çalışmasında segmentasyon ve sınıflandırma olarak iki aşamalı bir sistem önerilmiştir. Segmentasyon işleminde etiketli verilerden segmente edilen enfekte bölgeler belirlenmiştir. Sınıflandırıcı aşamasında ise VGG16, ResNet50 ve InceptionV3 isimli üç farklı derin öğrenme modeli kullanılarak Covid-19/Zatürre/Normal sınıflandırması gerçekleştirilmiştir. Çalışma sonucunda %95 segmentasyon doğruluğu elde edilmiştir. Sınıflandırıcı modelleri sırasıyla %99, %90 ve %98 doğruluk elde edilmiştir.

Özet (Çeviri)

The Covid-19 disease, named coronavirus, which emerged in China in December 2019, has become a pandemic in a short time all over the world. The fact that the Transcription Polymerase Chain Reaction (RT-PCR) test produces false negatives and the diagnosis time is long, has led to the search for new alternatives for the diagnosis of this virus, which can result in death, especially with the damage it causes to the lungs. Therefore, data obtained from CT or CXR imaging techniques of chest images have become suitable tools for diagnosis from chest images. Deep learning techniques studies have been proposed to provide diagnosis with these tools and to determine the infected area of Covid-19 and Pneumonia disease. In this thesis, a two-stage system is proposed as segmentation and classification. In the segmentation process, the infected regions segmented from the labeled data were determined. In the classifier stage, Covid-19/Pneumonia/Normal classification was performed using three different deep learning models named VGG16, ResNet50 and InceptionV3. As a result of the study, 95% segmentation accuracy was obtained. The classifier models obtained 99%, 90% and 98% accuracy, respectively.

Benzer Tezler

  1. Tez No

    847190

    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. Tez No

    851012

    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

  3. Tez No

    750336

    CAD systems in medical application: Detection of tuberculosis from CXR-images using convolutional neural based networks (case study: Nigerian public health)

    Tibbi uygulamada CAD sistemi: Evrensel sinir tabanlı ağları kullanarak CXR görüntülerinden tüberküloz tespiti (vaka çalişması: Nijerya halk sağlığı)

    MUHAMMAD ZAHARADDEEN ABUBAKAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Adli Bilişim Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA KAYA

  4. Tez No

    776357

    Medical dataset classification based on different deep learning techniques and meta-heuristic algorithms

    Farklı derin öğrenme teknikleri ve meta-sezgisel algoritmalara dayalı tıbbi veri kümesi sınıflandırması

    YEZI ALI KADHIM

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiAtılım Üniversitesi

    Mühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı

    PROF. DR. ALOK MISHRA

    PROF. DR. REŞAT ÖZGÜR DORUK

  5. Tez No

    687374

    Derin öğrenme yöntemleri ile güvenlik kamerası görüntülerinden apronlarda yer operasyonlarının gerçek zamanlı analizi

    Real-time analysis of ground operations on aprons from security camera images with deep learning methods

    BERNA YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ

Geri Dön