Lung boundary identification and (COVID-19) classification using CT images based on machine learning
Makine öğrenimine dayalı CT görüntüleri kullanarak akciğer sınırlarının tanımlanması ve (COVID-19) sınıflandırması
- Tez No: 756700
- Danışmanlar: DR. ÖĞR. ÜYESİ ADNAN SAHER MOHAMMED AL-AJEELI
- 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: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
2020'nin başlarında, bir sağlık felaketi, Coronavirus 2019'un (COVID-19) dünya çapında yayılmasına neden oldu. COVID-19'u tedavi etmeye yönelik geleneksel sağlık hizmetleri stratejileri, COVID-19 gibi akciğer enfeksiyonlarını tanımlamak için otomatik bilgisayarlı tomografi kullanılarak iyileştirilebilir. COVID-19 enfeksiyonu sadece bilgisayarlı tomografi (BT) kullanılarak teşhis edilebilir. BT görüntüleri, BT taramalarında COVID-19 akciğer anormalliklerinin sınıflandırılmasını iyileştirmek amacıyla kullanılan CC-CCII ve MosMedData olmak üzere iki veritabanından elde edilir. Enfekte doku ile normal doku arasındaki büyük heterojenlik ve düşük yoğunluk, BT taramaları kullanarak enfeksiyonu tanımlamayı zorlaştırır. Eski COVID-19 enfeksiyon verileri, hastalıkların (COVID-19 enfeksiyonu) belirlenmesine yardımcı olan ve ayrıca BT tanı raporlamasının doğruluğunu artıran bir dizi tanılama faaliyetini gerçekleştirmek için kullanılır. Son olarak, BT görüntülerini COVID-19 enfeksiyonu veya normal olarak sınıflandırmak için değiştirilmiş makine öğrenme modelleri (CNN ve SVM) kullanıldı. Deneysel ve klinik verilerin analizi, görüntülerdeki akciğer iç geometrik özelliklerinin (sınıflandırma) ve COVID-19 enfeksiyonunun çeşitliliğini incelemek için önerilen metodolojilerin etkili olduğunu göstermektedir. Değiştirilmiş sistemler, HOG ile birleştirilmiş LBP ile SVM'nin doğruluğunun %98 ve değiştirilmiş CNN'nin %98 olduğunu göstermiştir.
Özet (Çeviri)
In early 2020, an existential health catastrophe result in the worldwide spread of the Coronavirus 2019 (COVID-19). Traditional healthcare strategies for treating COVID-19 may be improved with the use of automated CT imaging identification of lung infections as COVID-19. COVID-19 infection can only be diagnosed by using CT imaging. CT images are obtained from two databases: CC-CCII, MosMedData used for lung diagnosis classification (COVID-19 infections and normal). The significant heterogeneity and low density between infected and normal tissues make it difficult to identify infection using CT scans. The earlier COVID-19 infection predicate is used to perform a range of diagnostic activities, which helps identify pathological (COVID-19 infections) as well as enhances CT diagnostic reporting accuracy. Finally, modified machine learning models (CNN and SVM) were used to classify CT images as COVID-19 infection or normal. Analysis of experimental and clinical data shows that the proposed methodologies for examining the variability of the internal geometric characteristics (lung diagnosis classification) of the lung and COVID-19 infections in images are effective. The modified systems showed that the accuracy of SVM with combined LBP with HOG is 98% and modified CNN of 98%.
Benzer Tezler
- Detection and measurement of multi-COVID-19 infection using CT scans
Başlık çevirisi yok
SAFAA ADNAN AHMED BAYATLY
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Solunum kapılamalı florodeoksiglikoz-pozitron emisyon tomografisi-bilgisayarlı tomografi görüntülerinin akciğer lezyonlarında büyüklük, konum ve sınır belirlemedeki öneminin araştırılması
Investigation about the importance of respiratory gated fluorodeoxyglucose-positron emission tomography-computerized tomography images in the identification of lung lesions? size, location and boundary
ÖZGÜN ARMAN
Yüksek Lisans
Türkçe
2013
Nükleer MühendislikÇukurova ÜniversitesiMedikal Fizik Ana Bilim Dalı
PROF. DR. İSMAİL GÜNAY
- Computer aided diagnosis of breast cancer
Meme kanserinin bilgisayar destekli teşhisi
FATİH KALELİ
Yüksek Lisans
İngilizce
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF.DR. NİZAMETTİN AYDIN
- Çevresel kirliliğin Karasu havzasında yaşayan ova kurbağalarının (Pelophylax ridibundus) akciğer, karaciğer ve böbrekleri üzerine olan histopatolojik etkileri
Histopathological effects of environmental pollution on lung, liver and kidney of marsh frog (Pelophylax ridibundus) living Karasu basin
MUHAMMET ÇAĞRI KESKİN
- Effect of tumor delineation strategies on ANN classification accuracy in lung CAD
Akciğer kanseri bilgisayar destekli teşhisinde tümör çizim stratejilerinin yapay nöral ağ siniflandirmasi üzerindeki etkisi
ADEM CİHAN ARSLAN
Yüksek Lisans
İngilizce
2015
BiyomühendislikBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. ALBERT GÜVENİŞ