Blood cell classification using machine learning and deep learning
Makine öğrenimi ve derin öğrenmeyle kan hücre sınıflandırması
- Tez No: 766558
- Danışmanlar: prof. Dr. EYLEM GÜLCE ÇOKER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Beyaz kan hücreleri, Res2Net, derin öğrenme, sınıflandırma, White blood cells, Res2Net, deep learning, classification
- Yıl: 2022
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 54
Özet
Beyaz kan hücreleri veya lökositler olarak da bilinen bu hücreler, vücudu hastalığa neden olabilecek bakteri ve virüslerden koruyan bağışıklık sisteminin önemli bir parçasıdır. AIDS, lösemi, miyelom ve anemi, beyaz kan hücresi sınıflandırması kullanılarak teşhis edilebilir (Yıldırım ve Çınar, 2019). Otomatik prosedürler daha pahalıdır, ancak eski moda beyaz kan hücrelerini tanımlama ve sayma yöntemlerine göre daha hızlı ve insan hatalarına daha az eğilimlidirler. Çok çeşitli Lökosit alt tipleri ve kan konsantrasyonları dahil olmak üzere dahil edilen çok sayıda numune nedeniyle inceleme insan hatalarına karşı savunmasız olabilir (H. Mohamed ve diğerleri, 2020). Daha güvenilir ve uygun maliyetli bilgisayar teknolojileri kullanılarak bu teknik otomatikleştirilebilir. Bu çalışmada, birkaç beyaz kan hücresi türünü tanımlamak için en sık kullanılan sinir ağlarından biri olan evrişimli bir sinir ağı (CNN) kullanıldı. Kaggle Veri Kümesinin yardımıyla, Res2Net mimarisini kullanarak CNN'yi eğittik. Hızlı ve başarılı bir sınıflandırma tekniği geliştirebilirsek, kanla ilgili hastalıkların teşhisine yardımcı olmak için beyaz kan hücresi kanıtları kullanılabilir. Son zamanlarda gösterilen görüntü işlemede derin öğrenme kullanılarak artık birçok hastalık tespit edilebiliyor. Beyaz kan hücresi kategorizasyonu derin öğrenme gelişmeleri burada araştırılır ve halka açık kan örneği mikroskopi görüntü veri kümelerine odaklanılır.
Özet (Çeviri)
These cells, also known as white blood cells or leukocytes, are an essential part of the immune system, protecting the body from bacteria and viruses that can cause disease. AIDS, leukemia, myeloma, and anemia can be diagnosed using white blood cell classification (Yildirim & Cinar, 2019). Automatic procedures are more expensive, but they are faster and less prone to human mistakes than the old-fashioned methods of identifying and counting white blood cells. The examination may be vulnerable to human errors because of the large number of samples included, including a wide range of Leukocyte subtypes and blood concentrations (H. Mohamed et al., 2020). Using more reliable and cost-effective computer technologies, this technique can be automated. This study used a convolutional neural network (CNN), one of the most often used neural networks, to identify several white blood cell kinds. With the help of the Kaggle Dataset, we trained CNN utilizing the Res2Net architecture. White blood cell evidence could be used to help diagnose blood-related illnesses if we can develop a quick and successful classification technique. Many diseases may now be detected using deep learning in image processing, which has recently been demonstrated. White blood cell categorization deep learning advances are investigated here, focusing on publicly available blood sample microscopy image datasets.
Benzer Tezler
- Derin öğrenme modellerinin hücre veri seti üzerinde eğitilerek kıyaslanması ve mobil ortama uyarlanması
Comparision and mobile application of deep learning models trained on blood cell dataset
MEHMET YAVUZ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ZAHİD YILDIZ
- Malaria parasite detection using deep learning algorithms
Başlık çevirisi yok
MUQDAD HANOON DAWOOD ALNUSSAIRI
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIMI
- Derin öğrenme yöntemleri ile periferik yayma görüntülerinin analizi ve sınıflandırılması
Analysis and classification of peripheral blood smear images using deep learning methods
YUSUF YARGI BAYDİLLİ
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÜMİT ATİLA
- Derin öğrenme yaklaşımı ile malaria (sıtma) hastalığı görüntülerinin sınıflandırılması
Classification of malaria disease images using deep learning approach
MOHANAD MOHAMMED QANBAR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Periferik yayma sonuçlarının otomatik analizi için zeki denetimli sistem tasarımı
Intelligent controlled system design for automatic analysis of peripheral blood smears
ABDULLAH ELEN
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED KAMİL TURAN