Active learning based synthetic sample selection for endoscopic image classification
Endoskopik görüntü sınıflandırılması için aktif öğrenme tabanlı sentetik veri seçimi
- Tez No: 755472
- Danışmanlar: PROF. DR. ALPTEKİN TEMİZEL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Modelleme ve Simülasyon Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Birçok insan, kronik bir iltihaplı bağırsak hastalığı olan Ülseratif Kolit (ÜK) hastalığına yakalanmaktadır. Hastalık kendini kalın bağırsakta ülser, iltihap ve yara olarak gösterir. Uygun tedaviyi sağlayabilmek için uzman bir hekimin hastalığın şiddetini belirlemesi gerekir. Ancak hastalığın şiddeti konusunda sıklıkla kullanılmakta olan Mayo puanlamasını belirlerken hekimler arasında görüş ayrılığı bulunmaktadır. Bu da güvenilir ve otomatikleştirilmiş yöntemlere olan ihtiyacı beraberinde getirmektedir. Hastalığın otomatik teşhisi için tıbbi görüntülemenin kullanıldığı yöntemlerin ortaya konulmasına rağmen, tıp alanında verilerin etiketlenmesi için uzmanlardan oluşan bir komitenin mutabakata varması gerekmektedir. Bu durum gürbüz bir model eğitimi için gereken veri miktarına ve çeşitliliğine ulaşmayı zorlaştırır. Üretken veri artırma yöntemlerinin veri çeşitliliğini ve kalitesini artırdığı kanıtlanmış olsa da, doğrudan sentetik örneklerin verisetine eklenmesi model performansına katkıda bulunmayabilir ve hatta performans düşüşüne neden olabilir. Üretilen örneklerin bazıları gerçekçi olmayabilir veya model tarafından zaten öğrenilmiş ve yüksek skor ile tahmin ediliyor olabilir. Bu tezde, sentetik görüntülerden önerilen bir veri havuzunun oluşturulması ve bu havuzun bir altkümesinin seçilerek eğitim için kullanılması önerilir. Havuz farklı kesme parametrelerine sahip örneklerin üretilmesi ile oluşturulur. Daha sonra bu sentetik veri havuzundan model eğitimi için kullanılacak bilgilendirici sentetik örnekleri seçmek için aktif öğrenme yaklaşımları kullanılır. Sonuçlar, temel yöntemlere ve rastgele eklemeye göre performans artışı gözlemlendiğini ve performansın daha kararlı olduğunu göstermiştir.
Özet (Çeviri)
Many people suffer from Ulcerative Colitis (UC), which is a chronic inflammatory bowel disease. UC exhibits itself as ulcers, inflammation, and sores in the colon. In order to provide proper treatment, an expert physician needs to assess the severity of the disease. However, physicians have disagreements on the severity of the disease in terms of the widely used Mayo scoring. This brings in the need for reliable and automated methods. Even though automated disease diagnosis using medical imaging has become a trending topic, labeling data in the medical field requires the agreement of a committee of experts and this is a limiting factor in obtaining a sufficient amount and variety of data for robust model training. Although generative data augmentation methods have been proven to increase data diversity and quality, directly adding synthetic samples may not contribute to a model's performance, and may even result in a performance drop. Some of these generated samples might be unrealistic, or already have been learned by the model and predicted with a high confidence score. In this thesis, we propose generation of a synthetic data pool, a subset of which is then selected and used for training. The data pool is created by generating samples with different truncation parameters. Then, active learning approaches are adopted to select informative synthetic samples among these samples in the data pool for model training. The results show that the results are favorable, and the performance is more stable compared to the baseline method and random selection of generated samples.
Benzer Tezler
- Türkçe sözcük anlam belirsizliği giderme
Word sense disambiguation for Turkish
BAHAR İLGEN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EŞREF ADALI
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Mimari bir dilin biçim grameri analizi ve bilgisayar ortamında sunumu
Başlık çevirisi yok
EDA VELİBAŞOĞLU
- Farmasötik bileşenlerin makine öğrenmesi yöntemleri ile kimliklendirilmesi ve etken madde tespiti
Identification of pharmaceutical constituents and detection of active substances using machine learning methods
HİRA BERİL KÜÇÜK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM YÜCEL ÖZBEK
- Human activity recognition using deep learning
Derin öğrenme ile insan aktivitesi tanıma
MURAT YALÇIN
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
- Görüntü işlemede derin öğrenme tabanlı süper çözünürlük uygulamaları
Deep learning based super resolution applications in image processing
AHENK VURAL
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU