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: Akciğer hastalıkları, COVID 19, Derin öğrenme, Görüntü işleme, Korona virüsler, Radyografi, Radyografi-göğüs, Sinir ağları, Veri madenciliği, Lung diseases, COVID 19, Deep learning, Image processing, Coronaviridae, Radiography, Radiography-thoracic, Nerve net, Data mining
- 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: Belirtilmemiş.
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
- 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
- Tıbbi görüntüler üzerinden COVID-19 hastalık teşhisi
Diagnosing COVID-19 disease through medical images
GİZEM YEŞİLDAL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET SERDAR GÜZEL
- Değiştirilmiş U-Net modeli ile biyomedikal görüntü segmentasyonu
Biomedical image segmentation with modified U-Net
UMUT TATLİ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. CAFER BUDAK
- Derin öğrenme ağları kullanılarak 3B tıbbi görüntü tanımlanması
3D medical image recognition using deep learning networks
ROUBA OMAR ALAHMAD ALOSMAN
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI CEDİMOĞLU
- Derin öğrenme yöntemleri kullanılarak akciğer X-ray görüntülerinden atelektazi teşhisi ve sınıflandırılması
Classification of atelectasis from chest X-ray images using deep learning approaches
ÖMER FARUK GÖK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERDAR ABUT
DOÇ. DR. FATİH DOĞANAY