Derin öğrenme yöntemleri kullanılarak beyin tümörü tiplerinin ve sınırlarının tahminlenmesi
Prediction of brain tumor types and limits using deep learning methods
- Tez No: 775398
- Danışmanlar: DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ
- 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: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 62
Özet
Hastalar için beyin tümörlerinin normal dokulara zarar vermeden tamamen çıkarılması çok önemlidir. Cerrahlara yardımcı olabilecek intraoperatif yöntemler sınırlıdır. Beyin tümörlü hastaların teşhis ve tedavi planlarını geliştirmek için tasarlanmış çok sayıda radyolojik ve patolojik yapay zeka tekniği olmasına rağmen, çoğu durumda normal doku ile beyin tümörünü ameliyat sırasında ayırt edebilme yeteneği cerrahın deneyimine bağlıdır. Beyin tümör ve dokularını, renkli mikroskobik video görüntülerinden tespit etmek için Mask R-CNN tabanlı bir derin öğrenme algoritması geliştirilmiştir. 2860 cerrahi görüntü üç gruba ayrılmıştır: 2438 (%73) görüntüden oluşan bir eğitim seti, 464 görüntüden oluşan bir doğrulama seti (%14) ve 422 (%13) görüntüden oluşan bir test seti. Beyin tümörlerini ve normal dokuları (dura, serebrum, kalvaria) tespit eden Mask R-CNN tabanlı bir model eğitilmiş, doğrulama seti ve test setinde performans ölçümleri hesaplanmıştır. Sonuç olarak doğrulama seti için sırasıyla 0.99, 0.99 ve 0.99 olarak kesinlik, duyarlılık ve mAP değerleri hesaplanmıştır. Test seti için kesinlik, duyarlılık ve mAP değerleri sırasıyla 0.81, 0.77 ve 0.64 olarak hesaplanmıştır. Etiketlenen görüntü sayısı artırılırsa ve veri kümesi genişletilirse performans metrik değerlerinin artması beklenmektedir. Önerilen bu uygulama ile cerrahi işlem sırasında ve sonrasında ortaya çıkabilecek olası sorunların yanı sıra bunlardaki insan hatası marjının azaltılması ve hastanın yaşam kalitesinin artırılması öngörülmektedir. Bu sistemin, özellikle acemi doktorların uygun cerrahi deneyime sahip olmadığı gerçeği ışığında, ameliyatlarının başarısını etkileyecek veya yardımcı olacak bir uzman sistem olduğuna inanılmaktadır.
Özet (Çeviri)
It is very important for patients to completely remove brain tumors without damaging normal tissues. Intraoperative methods that can assist surgeons are limited. Although there are many radiological and pathological artificial intelligence techniques designed to improve diagnosis and treatment plans of patients with brain tumors, the ability to distinguish between normal tissue and brain tumor intraoperatively in most cases depends on the surgeon's experience. A deep learning algorithm based on Mask RCNN has been developed to detect brain tumors and tissues from color microscopic video images. The 2860 surgical images were divided into three groups: a training set of 2438 (73%) images, a validation set of 463 images (14%), and a test set of 422 (13%) images. A Mask R-CNN-based model that detects brain tumor types and normal tissues (dura, cerebrum, calvaria) was trained, and performance measures were calculated on the validation set and test set. As a result, precision, recall and mAP values were calculated as 0.99, 0.99 and 0.99 for the validation set, respectively. Precision, recall and mAP values for the test set were calculated as 0.81, 0.77 and 0.64, respectively. Performance metrics are expected to increase if the number of tagged images is increased and the dataset is expanded. With this proposed application, it is envisaged to reduce the margin of human error and increase the quality of life of the patient, as well as possible problems that may arise during and after the surgical procedure. This system is believed to be an expert system that will influence or assist the success of their surgery, especially in light of the fact that novice doctors do not have the appropriate surgical experience.
Benzer Tezler
- Yapay zekâ algoritmaları ile ameliyat sırasındaki mikroskop görüntüleri üzerinden derin öğrenme tekniği ile pediatrik posterior fossa (arka çukur) tümör tanımlama yapılması
Pediatric posterior fossa tumor identification using artificial intelligence algorithms and deep learning techniques on intraoperative microscopic images
AHMET KARAGÖZ
Tıpta Uzmanlık
Türkçe
2024
NöroşirürjiMarmara ÜniversitesiBeyin ve Sinir Cerrahisi Ana Bilim Dalı
DOÇ. DR. MUSTAFA SAKAR
- Beyin tümör tiplerinin makine öğrenmesi ve derin öğrenme tabanlı teknikler ile sınıflandırılması
The classification of brain tumor types using machine learning and deep learning based techniques
KAPLAN KAPLAN
Doktora
Türkçe
2020
Mekatronik MühendisliğiKocaeli ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN METİN ERTUNÇ
- Derin öğrenme yöntemlerini kullanarak MR görüntülerinden otomatik tümör tespiti
Automatic tumor detection from brain MRI images using deep learning techniques
NECİP ÇINAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KAYA
- Breast cancer data classification using SVM, NB and KNN algorithms
SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması
BURCU MERAL
Yüksek Lisans
İngilizce
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. KAMİL ORUÇOĞLU
- Derin öğrenme yöntemleri kullanarak beyin tümörü teşhisi ve sınıflandırması
Brain tumor diagnosis and classification using deep learning methods
ABDULLAH SAKIN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT HEKİM