Geri Dön

Tıbbi görüntü işleme ve derin öğrenme yöntemleriyle hastalıklarda teşhis otomasyon modeli

Diagnostic automation model in diseases with medical image processing and deep learning methods

  1. Tez No: 756032
  2. Yazar: MUSTAFA GÜLER
  3. Danışmanlar: DOÇ. DR. ERSİN NAMLI, DOÇ. DR. RAMAZAN ÜNLÜ
  4. Tez Türü: Doktora
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi-Cerrahpaşa
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 105

Özet

Yapay zekâ biliminin son yıllarda gelişmesiyle birlikte hayatın her alanında etkin bir şekilde kullanılmaya başlandığı bilinmektedir. Yapay zekanın bir alt dalı olarak kabul edilen makine öğrenmesi ve derin öğrenme çalışmalarının da hız kazanmasıyla birlikte sağlık sektöründe uygulama alanı oldukça genişlemiştir. Salgın hastalıkların son zamanlarda artması ve kanser hastalığı gibi insan yaşamını tehdit eden ölümcül hastalıkların her yıl artış göstermesinden dolayı bu alanda yapılan çalışmalara daha fazla önem verilmeye başlanmıştır. Özellikle son yıllarda derin öğrenme yöntemleri kullanılarak görüntü ve veri işleme konusunda yapılan çalışmalar artmış, hastalık ön tanısı ve MR görüntüsü işleme alanında birçok çalışma yapılmıştır. Bu tez çalışmasında, Beyin, Göğüs ve Cilt tümörlerinin MR görüntüleri kullanılarak klasik makine öğrenmesi ve derin öğrenme yöntemleriyle sınıflandırılması ve hastalığın erken teşhisi ve tanısı bir için uygulama yapılmıştır. Önerilen yöntemlerde Evrişimsel sinir ağları esas alınmıştır. Üç farklı veri seti kümesine sırasıyla klasik makine öğrenmesi teknikleri (Destek Vektör Makinesi, K-En Yakın Komşu, Naive Bayes, Karar Ağacı ve Lineer Diskriminant Analizi), dört farklı Evrişimsel sinir ağı (VGG, ResNet, SqueezeNet, DenseNet) modeli ve Topluluk öğrenmesi (Oylama) yöntemi ile karşılaştırmalı olarak analiz yapılmış ve uygulanmıştır. Modellerin eğitim ve test aşaması sırasında Kaggle kütüphanesinde açık erişimli şekilde bulunan veriler kullanılmıştır. Önerilen yöntemlerin iyileştirilmesi için Python yazılım programından faydalanılmış, kullanılan metrikler ve sınıflandırma başarım oranları karşılıklı olarak değerlendirilmiştir. Bulunan sonuçlar literatürdeki benzer çalışmalarla karşılaştırılmış ve tüm sonuçlar ayrıca verilmiştir.

Özet (Çeviri)

It's known that, in last years by the development of the Artificial Intelligence Science it was started to be used in every field of the life. With acceleration in the Deep Learning and machine learning studies which are mentioned as the subfields of the Artificial Intelligence, the application of those studies in the health sector have expanded. In last times, researches in this field was gotten more importance because of the increase in the epidemic diseases and the increase in the fatal illnesses like cancer. Specially in last years, the studies in which the deep learning methods was used have increased and many researches were done for disease prediagnosis and MR image processing. The suggested methods are based on the convolutional neural networks. Classical machine learning techniques (Support Vector Machines, k-Nearest Neighbors, Naive Bayes, Decision Trees, Lineer Regression Analysis), Four different Convolutional neural networks models (VGG, ResNet, SqueezeNet, DenseNet) and Ensemble learning (Hard Voting) were applied to three different data sets. For the models education and test phases Kaggle library's open source data was used. To develop the suggested methods, the Python software programme was used. Used metrics and classification success rates were evaluated. As last, all results were compared with the other similar studies in literature and all results were written.

Benzer Tezler

  1. Mathematical model-based clinical decision support system algorithm design study that can support the diagnosis of celiac disease

    Çölyak hastalığının teşhisine destek verebilecek matematik model tabanlı kds algoritması tasarımı

    ELİF KESKİN BİLGİÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Mühendislik Bilimleriİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. İNCİ ZAİM GÖKBAY

    DOÇ. DR. YUSUF KAYAR

  2. Göz hastalıklarının görüntü işleme ve derin öğrenme yöntemleriyle otomatik tespiti

    Automatic detection of eye diseases using image processing and deep learning methods

    MURAT FIRAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEDA ŞAHİN

  3. Self-supervised deep convolutional neural network training for low-dose CT reconstruction

    Düşük dozlu BT geriçatması için derin evrişimli sinir ağlarının öz denetimli eğitimi

    MEHMET OZAN ÜNAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSA YILDIRIM

  4. Aşırı öğrenme makineleri ile beta talasemi ve demir eksikliği anemisinin ayırt edilmesi

    Discrimination of β-thalassemia and iron deficiency anemia through extreme learning machine and regularized extreme learning machine based decision support system

    BETÜL SAYIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TANER TUNCER

  5. 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