Beyin tümörü sınıflandırması
Brain tumor classification
- Tez No: 762924
- Danışmanlar: DR. ÖĞR. ÜYESİ ADEM ÖZYAVAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: CNN Algoritması, Derin Öğrenme, Görüntü İşleme, Görüntü Sınıflandırma, CNN Algorithm, Deep Learning, Image Processing, Image Classification
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 54
Özet
Bilişim dünyasının gelişimi ile neredeyse her alanda bilişim teknolojileri kullanımı hızla artmaktadır. Özellikle Tıp dünyasında hastalıkların erken teşhisi için birçok teknik ve yazılım geliştirilmiştir ve geliştirilmeye devam etmektedir. Hastalıkların erken teşhisi şüphesiz ki hasta ve yakınları için büyük önem taşımaktadır. Çeşitli hastalıkların tespiti için makine öğrenmesi algoritmaları kullanılmaktadır. Bu hastalıklardan birisi olan beyin tümörü hastalığının erken teşhisi için de birçok çalışma mevcuttur. Bu çalışmada beyin MR görüntüleri kullanılarak görüntüde tümör olup olmadığına dair bir sınıflandırma algoritması kullanılmıştır. Sinir ağları alanında en çok kullanılan algoritmalardan biri olan CNN algoritması ve görüntü işleme nesne sınıflandırma gibi alanlarda kullanılan kütüphanelerden keras ve tensorflow kullanılarak Mr görüntülerinde tümör olanları bir sınıf tümör olmayanları ayrı bir sınıf olarak yüksek başarıyla ayırmak amaçlanmıştır. Herkesin erişimine internet üzerinde açık olan kaggle web sitesinden alınmış ve çalışma da yine kaggle sitesinde online olarak ücretsiz verilen CPU ve GPU kullanılarak yapılmıştır. Sekiz farklı optimizasyon kullanılmış ve hepsinin sonuçları tartışılmıştır. 20 epoch ile Adam, Nadam, Adamax, Rmsprop ve Sgd optimizasyonları %99'un üzerinde başarı sağlarken Adadelta %76, Adagrad %66 ve Ftrl %54 oranında başarı göstermiştir. Epoch sayıları 50'ye çıkarılıp üç optimizasyon tekrar çalıştırıldığında Adadelta %92, Adagrad %99 oranında başarı sağlarken Ftrl'deki başarıda bir değişiklik olmamıştır.
Özet (Çeviri)
With the development of the information world, the use of information technologies in almost every field is increasing rapidly. Especially in the medical world, many techniques and software have been developed and continue to be developed for the early diagnosis of diseases. The early diagnosis of diseases is undoubtedly of great importance for the patient and their relatives. Machine learning algorithms are used to detect various diseases. There are many studies for the early diagnosis of brain tumor disease, which is one of these diseases. In this study, a classification algorithm was used to determine whether there is a tumor in the image using brain MR images. CNN algorithm, which is one of the most used algorithms in the field of neural networks, and keras and tensorflow, which are libraries used in areas such as image processing and object classification, are aimed to distinguish with high success as a class with tumors in MRI images and without tumors as a separate class. It was taken from the kaggle website, which is open to everyone's access on the internet, and the work was done using the CPU and GPU, which are also given free online on the kaggle site. Eight different optimizations are used and the results of all are discussed. With 20 epochs, Adam, Nadam, Adamax, Rmsprop and Sgd optimizations achieved over 99% success, while Adadelta 76%, Adagrad 66% and Ftrl 54%. When the epoch numbers were increased to 50 and three optimizations were run again, Adadelta achieved 92% and Adagrad 99% success, while there was no change in the success in Ftrl.
Benzer Tezler
- A hybrid transfer learning model for brain tumor classification
Beyin tümörü sınıflandırması için hibrit transfer öğrenme modeli
EZGİSU AKAT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR YILDIRIM
DOÇ. DR. YASİN KAYA
- Comparative analysis of deep learning and traditional machine learning for brain tumor classification in MRI scans
MRI taramalarında beyin tümörü sınıflandırması için derin öğrenme ve geleneksel makine öğreniminin karşılaştırmalı analizi
MUHIADIN MOHAMED SABRIE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FEHİM KÖYLÜ
- Beyin MR görüntülerindeki tümörlerin sınıflandırılmasında farklı derin öğrenme ve görüntü işleme yöntemlerinin performanslarının incelenmesi
Investigation of performance of different deep learning and image processing methods in classification of tumors in brain MR images
ÇETİN ERÇELİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAZIM HANBAY
- Enhancing brain tumor classification with high accuracy: a generalizable deep learning approach utilizing densenet201
Beyin tümörü sınıflamasının yüksek doğrulukla geliştirilmesi: Densenet201 kullanılan genelleştirilebilir derin öğrenme yaklaşımı
ZAHRAA THAMER MAHDI MAHDI
Yüksek Lisans
İngilizce
2024
Bilim ve TeknolojiAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DOÇ. DR. OĞUZ ATA
- Brain tumor detection using image processing & deep learning
Görüntü işleme ve derin öğrenmeyle beyin tümörü tespiti
AL-HAWRA' TALAL ABDULHAMED ABDULHAMED
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEFER KURNAZ