Tıbbi görüntü işleme ve derin öğrenme yöntemleriyle hastalıklarda teşhis otomasyon modeli
Diagnostic automation model in diseases with medical image processing and deep learning methods
- Tez No: 756032
- Danışmanlar: DOÇ. DR. ERSİN NAMLI, DOÇ. DR. RAMAZAN ÜNLÜ
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- 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
- 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
2024
Mühendislik Bilimleriİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
DR. İNCİ ZAİM GÖKBAY
DOÇ. DR. YUSUF KAYAR
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEDA ŞAHİN
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- 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
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANER TUNCER
- 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