Tıbbi görüntü işleme ile akciğer grafisinde COVID-19 pozitif tespiti için veri madenciliği ve derin öğrenme yöntemlerinin performanslarının incelenmesi
Investigation of the performance of data mining and deep learning methods for COVID-19 positive detection in lung graph with medical image processing
- Tez No: 747682
- Danışmanlar: DOÇ. DR. JALE KARAKAYA KARABULUT
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Biyoistatistik Bilim Dalı
- Sayfa Sayısı: 64
Özet
Dünya Sağlık Örgütü (DSÖ), Mart 2020'de SARS-CoV-2'nin neden olduğu bulaşıcı bir salgın olan yeni koronavirüsü (COVID-19) pandemi olarak ilan etmiştir. Bu virüsten etkilenen tüm ülkelerde, enfekte olmuş ve ölen hastaların sayısı her geçen gün artmaktadır. Erken tanı virüsün yayılmasını azaltabileceğinden, akıllı tahmin ve tanı araçlarına sahip olmak önemlidir. Etkili tahmin modellerinin oluşturulması, virüsün yayılmasını önlemek için daha iyi sağlık stratejileri uygulanmasında yardımcı olabilir. Günümüzde tıbbi görüntüler yardımı ile birçok sağlık problemi tespitinde (beyin tümörü tespiti, meme kanseri tespiti, zatürre tespiti vb.) yapay zeka tabanlı çözümlerden yararlanılmaktadır. İçerisinde bulunduğumuz bu pandemi sürecinde de COVID-19'un tanı süresini kısaltmak ve doğru tanı oranını arttırmak için yapay zeka tabanlı birçok çalışma yapılmıştır. Bu çalışmada tıbbi görüntü işleme teknikleri kullanılarak akciğer grafileri sayısallaştırılmış ve beş farklı görüntü işleme yöntemi uygulanarak bu yöntemlerin akciğer grafilerini sınıflandırılma performansına etkisi incelenmiştir. Ayrıca bir derin öğrenme tekniği olan evrişimli sinir ağları ile öznitelik çıkarımı gerçekleştirilmiş ve görüntülerin DVM, RO, YSA klasik veri madenciliği yöntemleri ile sınıflandırılmasına olan etkisi karşılaştırılmıştır. Çalışmada açık erişimli COVID-19 Radiography veri setinden yararlanılmıştır. Bu veri setinde bulunan 3616 COVID-19, 6012 Non-COVID ve 10192 Normal akciğer grafisi için çalışma planlanmıştır. Görüntü işleme tekniklerinin akciğer grafilerini sınıflandırma performansına etkisi olduğu bulunmuştur. Evrişimli sinir ağı yöntemi ile öznitelikler çıkarıldıktan sonra klasik veri madenciliği yöntemleri ile elde edilen sınıflandırma performansları, sadece klasik veri madenciliği ile elde edilen sınıflandırma performanslarından daha iyi sonuçlar göstermiştir.
Özet (Çeviri)
The World Health Organization (WHO) declared the novel coronavirus (COVID-19), a contagious epidemic caused by SARS-CoV-2, as a pandemic in March 2020. In all countries affected by this virus, the number of infected and deceased patients is increasing day by day. It is important to have smart predictive and diagnostic tools, as early detection can reduce the spread of the virus. Creating effective predictive models can help in implementing better health strategies to prevent the spread of the virus. Today, with the help of medical images, artificial intelligence-based solutions are used in the detection of many health problems (brain tumor detection, breast cancer detection, pneumonia detection, etc). In this pandemic process we are in, many artificial intelligence-based studies have been carried out to shorten the diagnosis time of COVID-19 and to increase the correct diagnosis rate. In this study, chest radiographs were digitized using medical image processing techniques and five different image processing methods were applied to examine the effects of these methods on the classification performance of chest radiographs. In addition, feature extraction was carried out with convolutional neural networks, which is a deep learning technique, and the effect on the classification of images with SVM, RF, ANN classical data mining methods was compared. The open access COVID-19 Radiography database was used in the study. The study was planned with 3616 COVID-19, 6012 Non-COVID and 10192 Normal chest radiographs in this data set. It has been found that image processing techniques have an effect on the classification performance of chest radiographs. After the features were extracted with the convolutional neural network method, the classification performances obtained by classical data mining methods showed better results than the classification performances obtained only by classical data mining.
Benzer Tezler
- 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
- Tıbbi görüntü işleme teknikleri ile iki boyutlu bilgisayar tomografisi görüntüleri üzerinde damar segmentasyonu
Segmantation of human vessels using medical image processing techniques on two dimensional computer tomography images
ZEYNEP YILDIRIM
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. REFİK SAMET
- Can smart phones be used in a teleradiology setting for evaluating lung cancer therapy response?
Akıllı telefonlar ile akciğer kanseri tedavisi değerlendirmesi teleradiyolojide kullanılabilir mi?
EZGİ KARA
Yüksek Lisans
İngilizce
2019
Bilim ve TeknolojiBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALBERT GÜVENİŞ
- A new approach for counting and sizing the objects: Image weight signal
Objelerin sayımı ve boyutlandırılması için yeni bir yaklaşım: Görüntü ağırlık sinyali
ZEYNEP YILDIZ
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik MühendisliğiYıldırım Beyazıt ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLYAS ÇANKAYA
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA