Röntgen görüntülerinden akciğer hastalıklarının tahmini
Prediction of lung diseases from x-ray images
- Tez No: 766515
- Danışmanlar: PROF. DR. NİZAMETTİN AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 61
Özet
Günümüzde yapay zekanın gelişmesi ile çeşitli problemlerin tespiti ve çözümü hem kolaylaşmış hem de hızlanmıştır. Evrişimsel sinir ağları (ESA) görüntü verilerini sınıflandırma görevinde önemli başarılar göstermiştir. Bu yüzden görüntü verilerini kullanarak görüntüleri sınıflandırma üzerine çalışmalar, araştırmacıların odak noktası haline gelmiştir. Özellikle biyomedikal görüntülerden oluşan veri setlerinin artması sayesinde çeşitli hastalıkların teşhisi üzerine yapılan araştırmalar da artmaktadır. Bu sayede hastalık teşhisi daha kolay hale gelmektedir. Röntgen görüntüleri üzerine yapılan çalışmalar sayesinde tüberküloz (TB), astım, ve bronşit gibi göğüs hastalıklarının teşhisi hem hızlanmakta hem de kolaylaşmaktadır. TB, hapşırık ve öksürük gibi yollar ile yayılabilen bulaşıcı bir akciğer hastalığıdır. TB'yi teşhis etmek için doktorlar tarafından çeşitli kontrollerin yanında kan ve deri testleri de yapılmaktadır. Bu testlerin sonuçları ise ancak haftalar sonra belli olmaktadır. Dünyanın en ölümcül hastalıklarından biri olan TB'nin erken teşhisi bu ölümcül hastalığın tedavisi için çok önemlidir. Hem TB'nin erken teşhisi hem de TB tanısında hastane veya tıp merkezlerindeki doktorların ve teknisyenlerin katılımını azaltmak için otomatik bir sistem kullanılabilir. Böylece TB'nin teşhisinde daha doğru, tarafsız ve tutarlı analizler sağlanır. Bu çalışmada TB akciğer röntgeni veri tabanı kullanılarak önceden eğitilmiş VGG16, VGG16'dan daha büyük bir model olan VGG19 ve ResNet101 de dahil olmak üzere sekiz farklı modeller ile normal ve hasta olarak iki sınıflı bir sınıflandırma yapılmıştır. Eğitim aşamasında k katlama tekniği kullanıldı. Test görüntülerini kullanarak VGG16, VGG19, ResNet101 yöntemleri ile sırasıyla %99.3, %99.7 ve %99.6 doğruluk değerleri elde edilmiştir. Doğruluk değerlerine ek olarak, çalışmanın tutarlılığını analiz etmek için kesinlik, duyarlılık ve F-skoru gibi sınıflandırma performans kriterleri de ölçülmüştür.
Özet (Çeviri)
Today, with the development of artificial intelligence, the detection and solution of various problems has become both easier and faster. Convolutional neural networks (CNN) have shown considerable success in the task of classifying image data. Therefore, studies on classifying images using image data have become the focus of researchers. Thanks to the increase in data sets consisting of biomedical images, researches on the diagnosis of various diseases are also increasing. This makes it easier to diagnose the disease. Thanks to the studies on x-ray images, the diagnosis of chest diseases such as tuberculosis (TB), asthma, and bronchitis is both faster and easier. TB is a contagious lung disease that can be spread by sneezing and coughing. In order to diagnose TB, blood and skin tests are also performed by doctors as well as various controls. The results of these tests are only known after weeks. Early diagnosis of TB, one of the deadliest diseases in the world, is very important for the treatment of this deadly disease. An automated system can be used both early diagnosis of TB and to reduce the involvement of doctors and technicians in hospitals or medical centers for diagnosis of TB. Thus, more accurate, unbiased and consistent analyzes are provided in the diagnosis of TB. In this study, a two-class classification as normal and patient was made with eight different models, including the previously trained VGG16, VGG19 and ResNet101 models, a larger model than VGG16, using the TB lung x-ray database. The k-fold technique was used in the training phase. Using the test images, accuracy values of 99.3%, 99.7% and 99.6% were obtained with VGG16, VGG19, ResNet101 methods, respectively. In addition to the accuracy values, classification performance criteria such as precision, sensitivity and F-score were also measured to analyze the consistency of the study.
Benzer Tezler
- 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
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Compressed sensing based 3D image reconstruction in digital breast tomosynthesis and micro-bioimaging
Sayısal meme tomosentezinde ve mikro biyogörüntülemede sıkıştırılmış algılama tabanlı 3B görüntü geri çatma
ADEM POLAT
Doktora
İngilizce
2018
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Sayısal veri ve göğüs röntgen görüntülerinden derin öğrenme yaklaşımları ile pnömoni tespiti
Pneumonia detection with deep learning approaches from numerical data and chest X-ray images
ZEHRA KADİROĞLU
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
PROF. DR. HANİFİ GÜLDEMİR
PROF. DR. ABDURRAHMAN ŞENYİĞİT
- Derin öğrenme yöntemiyle X-ışını görüntülerinden yaygın göğüs hastalıklarının tespiti
Detection of common thorax diseases from X-ray images with deep learning method
TOLGA SAİM BAŞÇETİN
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM EMİROĞLU