Brain tumor segmentation and classification using machine learning
Makine öğrenimine dayalı beyin tümörü bölümlemesi ve sınıflandırması
- Tez No: 778588
- Danışmanlar: DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Beyin tümörü, tedaviye başlamadan önce MR ile sınıflandırılabilen anormal dokuların bütünüdür. Beyin MRG taramalarından tümör segmentasyonu ve sınıflandırmasının zorlu ve önemli bir iş olduğu iyi bilinmektedir. Öte yandan, bu segmentasyon ve sınıflandırmanın tanılama, ameliyat öncesi planlama ve ameliyat sonrası değerlendirmelerde kullanılması mümkündür. Bu nedenle, bu segmentasyon ve sınıflandırma teşhis, ameliyat öncesi planlama ve ameliyat sonrası değerlendirmelerde kullanılabilir. Makine öğrenimi modellerinin ve diğer teknolojilerin gelişimi, radyoloji uzmanlarının hastaları kesmek zorunda kalmadan maligniteleri tespit etmelerini sağlayacaktır. Bu tezde, bulanık kümeleme teknikleri ile eşikleme ve morfolojik işlemlerini bir araya getiren MRG kontrast iyileştirme teknikleri kullanılmıştır. Önerilen model iki adımlı olup, ilk adımda tümörlerin çıkarılması ve ölçülmesi (segmentasyon), ardından gelen ikinci adımda ise beyin tümörlerinin tanımlanması ve sınıflandırılmasında makine öğreniminden faydalanmak amaçlanmıştır. Ön işleme, kafatası sıyırma ve tümör segmentasyonu, bir beyin tümörünü tespit etme ve ölçme (boyut ve biçim bazında) adımlarıdır. Belirli bir sürenin ardından CNN, kendilerini eğitmek için kullanılan çok sayıda eğitim görüntüsü sayesinde aşırı uygun hale gelmiştir. Bu yüzden artık aktarımlı öğrenimden faydalanan CNN'lerimiz bulunmaktadır. Beyin MRG tümörlerini ( gliom veya meningiom) sınıflandırmak için CNN tabanlı Relu mimarisi ve HOG ve LPB aracılığıyla birleştirilmiş alınan özelliklere sahip SVM kullanılmıştır. Yöntemlerin etkinliği hassasiyet, hatırlama, F-ölçümü ve doğruluk ile ölçülmüştür. Sonuçlar, HOG ile birleştirilmiş LBP ile SVM'nin doğruluğunun %97 ve modifiye CNN'in %98 olduğunu göstermiştir.
Özet (Çeviri)
A brain tumor is a collection of aberrant tissues, which makes it possible to classify them using MRI before beginning therapy. Tumor segmentation and classification from brain MRI scans are well-known to be challenging and important endeavors. However, this segmentation and classification can be used in diagnostics, preoperative planning, and postoperative evaluations. Therefore, this segmentation and classification can be used in diagnostics, preoperative planning, and postoperative evaluations. The development of machine learning models and other technologies will let radiologists detect malignancies without having to cut into patients. This thesis used a combination of fuzzy clustering techniques with thresholding and morphological operations following MRI contrast enhancement. The suggested model has two steps: extracting and measuring tumors (segmentation) and then using machine learning to identify and classify brain tumors. Pre-processing, skull stripping, and tumor segmentation are the steps in detecting a brain tumor and measurement (size and form). After a certain period, CNN gets overfitted because of the large number of training images used to train them. That is why we now have CNN that uses transfer learning. CNN-based Relu architecture and SVM with fused retrieved features via HOG and LPB are used to classify brain MRI tumors (glioma or meningioma). The methods' efficacy has been measured by precision, recall, F-measure, and accuracy. The results showed that the accuracy of SVM with combined LBP with HOG is 97%, and modified CNN of 98%.
Benzer Tezler
- Brain tumor segmentation and classification using machine learning techniques
Başlık çevirisi yok
ADARI TAHER SALEM ALRAMDANI
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- A medical decision making system for brain tumor identification from magnetic resonance images using machine learning techniques
Makine öğrenimi tekniklerini kullanarak manyetik rezonans görüntülerinden beyin tümörünün belirlenmesi için tıbbi karar verme sistemi
ZAHRAA ABD AL RAHMAN MOHAMMED AL SAFFAR
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- Breast tumor segmentation and classification on histopathological images using machine learning
Makine öğrenmeyi kullanarak histopatolojik görüntüler üzerinden meme tümörünün bölümlendirilmesi ve sınıflandırılması
ZEYAD ABDALKAREEM KHALAF KHALAF
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA
- Image segmentation and classification based on CNN model to detect brain tumor
Başlık çevirisi yok
NOOR S. SALEH
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SHADİ M S HİLLES
- Detection of cancerous brain cells with machine learning
Makine öğrenimi ile kanserli beyin hücrelerinin tespiti
UYGAR CANKAT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TANER DANIŞMAN