Geri Dön

Derin öğrenme mimari yapısını esas alan hibrit yaklaşım kullanılarak radyolojik görüntülerden COVID-19 teşhisi ve tahmin edilmesi

Diagnosis and prediction of COVID-19 from radiological images using a hybrid approach based on deep learning architectural structure

PDF İndir

  1. Tez No: 771647
  2. Yazar: SEYFULLAH URUT
  3. Danışmanlar: DOÇ. DR. RECEP ÖZDAĞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Derin öğrenme, Radyografi, Yapay sinir ağları, Yapay zeka, Deep learning, Radiography, Artificial neural networks, Artificial intelligence
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Van Yüzüncü Yıl Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka ve Robotik Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

SARS-CoV-2 virüsü kaynaklı yeni bir Koronavirüs hastalığı olan ve etkisini tüm dünyada göstermeye devam eden COVID-19 pandemisi resmi olarak toplamda 623 milyondan fazla vaka sayısına ulaşarak 6.5 milyondan fazla insanın ölümüne sebeb olmuştur. Bu virusün insan vücudunda yaptığı tahribatlar sonucunda, özellikle akciğerideki deformasyon belirgin hale gelmiştir. Bu tezde, derin öğrenme mimarileri olan evrişimsel sinir ağı (Convolutional Neural Network - CNN) ile tekrarlayan sinir ağı (Recurrent Neural Network- RNN) kullanarak akciğer bilgisayarlı bomografi (computed tomography - CT) ve enerjisi yüksek frekanslı elektromanyetik radyasyon (energetic high-frequency electromagnetic radiation - X-Ray) görüntülerinden COVID-19'un teşhisi ve tahmin edilmesi amaçlanmıştır. Bu amaçla tez kapsamında öncelikle CNN mimarisi esas alınarak pozitif COVID-19, negatif COVID-19 ile akciğer iltihabı vakalarından oluşan ve toplam 9150 adet olan akciğer X-Ray ve CT radyolojik görüntülerden özellik çıkarımı gerçekleştirilmiştir. Sonrasında ise RNN mimarisi olan Uzun kısa süreli bellek (long short-term memory ˗ LSTM) modeli esas alınarak görüntülerin sınıflandırması gerçekleştirilmiştir. Tasarlanan hibrit (CNN+LSTM) mimarisi ile test görüntülerinin sınıflandırılmasında %93'lük bir doğruluğa ulaşılmıştır. Bu tezde, radyolojik görüntülerden pozitif COVID-19'un sınıflandırılmasında RNN-LSTM modeli ile farklı bir hibrit mimari yapı tasarlanarak; hem literature katkı sağlanmış, hem de pozitif COVID-19 vakalarının teşhisi ve tahmin edilmesi sürecinde radyologların hızlı ve doğru karar vermelerine yardımcı olunmuştur.

Özet (Çeviri)

The COVID -19 pandemic, a new coronavirus disease caused by the SARS-CoV-2 virus that continues to show its effects throughout the world, has officially reached a total of more than 623 million cases and caused the death of more than 6.5 million people. As a result of the destruction of this virus in the human body, deformities are observed, especially in the lungs. This thesis, it is about diagnosis and prediction COVID-19 of lung computed tomography (CT) and energetic radiofrequency electromagnetic radiation (X-Ray) using deep learning architectures Convolutional Neural Network (CNN) and Recurrent Neural Network (RNN). For this purpose, within the scope of the thesis, mainly based on CNN architecture, feature extraction is performed from 9150 X-Ray lung images and CT radiological images consisting of positive COVID -19, negative COVID -19 and pneumonia cases. Afterward, the classification of the images is performed based on the Long Short-Term Memory (LSTM) model, which is the RNN architecture. With the designed hybrid (CNN+LSTM) architecture, an accuracy of 93% has been achieved in the classification of test images. In this thesis, a different hybrid architectural structure is designed with the RNN-LSTM model in the classification of positive COVID-19 from radiological images; not only contributed to the literature but also helped Radiologists to make quick and accurate decisions in the diagnosis and estimation of positive COVID-19 cases.

Benzer Tezler

  1. Tez No

    36686

    Türk resim sanatında asker ressamların öncülük rolü

    Başlık çevirisi yok

    HÜSEYİN ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    1994

    Güzel SanatlarMimar Sinan Güzel Sanatlar Üniversitesi

    Resim Ana Sanat Dalı

    PROF. KEMAL İSKENDER

  2. Tez No

    957341

    Derin öğrenme yöntemleri ile tokat iline ait iklim verilerinin tahmin edilmesi

    Forecasting climate data for tokat region with deep learning methods

    CEBRAİL BATMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZKAN İNİK

  3. Tez No

    859240

    Derin öğrenme tabanlı kenar rehberli görüntü iç boyama

    Edge guided image inpainting based on deep learning

    MUHAMMET NURİ DUDAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SERDAR ÇİFTÇİ

  4. Tez No

    1010271

    Derin öğrenme mimarileri kullanılarak abdomen bölgesi için hastalık tespiti

    Disease detection in the abdominal region using deep learning architectures

    NESLİHAN AYAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞE DEMİRHAN

  5. Tez No

    609168

    Derin öğrenme ile tekstil tipi tanım

    Fabric classification by using deep learning

    GÖKHAN GÜRGEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ECE OLCAY GÜNEŞ

Geri Dön