Beyin tümörünün verimli sınıflandırılması için makine öğrenme yöntemleri araştırması
Investigating machine learning frameworks for efficient classification of brain tumor
- Tez No: 780678
- Danışmanlar: PROF. DR. ALİ OKATAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 111
Özet
Manyetik rezonans görüntülemeye dayalı olarak beyin tümörlerinin sınıflandırılması için önceden eğitilmiş modellerin performansının gözden geçirilmesi, analizi ve karşılaştırılması bu tezin (MRI) birincil amacıdır. Çalışmanın ilk bölümünde algılayıcılar ve çok katmanlı algılayıcılar gibi yapay sinir ağları ve çalışmada kullanılacak çerçeveler hakkında bazı ön bilgiler verilmektedir. Beyin tümörlerinin nedenleri, semptomları ve teşhis yaklaşımları da dahil olmak üzere arka planı da bu makalede ele alınmaktadır. Önceden eğitilmiş modellerin görüntü sınıflandırmasında ve daha spesifik olarak beyin tümörü MRI sınıflandırmasında kullanımı, makalenin literatür taramasına ayrılan bölümünde analiz edilmektedir. Ek olarak, bu araştırma alanında kullanıma sunulan çeşitli sınıflandırma algoritmaları tartışılmaktadır. MRG beyin tümörü veri seti ve karşılaştırılacak önceden eğitilmiş modeller (VGG16, ResNet50 ve InceptionV3), çalışmanın aşağıdaki bölümünde ayrıntılı olarak açıklanmaktadır. Daha sonra öznitelik çıkarma, ince ayar, transfer öğrenme ve bu dört yöntemin bir kombinasyonu eyleme geçirilir ve daha önce eğitilmiş modeller kullanılarak beyin tümörlerini sınıflandırmak için potansiyel yöntemler olarak değerlendirilir. Bu yöntemlerin sonuçları çizelgelenir ve çeşitli metrikler kullanılarak karşılaştırılır ve en iyi performansı gösteren modeller daha fazla inceleme için saklanır. Bu çalışmanın amacı, önceden eğitilmiş modeller kullanarak beyin tümörlerini sınıflandırmak için en etkili yöntemler hakkında fikir vermek ve bu alanda gelecekteki araştırmalar için potansiyel yönler önermektir. Bu çalışmada kullanılan modeller Brain Tumor Classification Kaggle'den temin edilmiştir.
Özet (Çeviri)
The review, analysis, and comparison of the performance of pre-trained models for the classification of brain tumors based on magnetic resonance imaging is the primary objective of this thesis (MRI). In the first part of the study, some background information on artificial neural networks, such as perceptrons and multilayer perceptrons, as well as the frameworks that are going to be used in the study, is presented. The background of brain tumors, including their causes, symptoms, and diagnostic approaches, is also covered in this article. The use of pre-trained models in image classification, and more specifically in brain tumor MRI classification, is analyzed in the section of the paper devoted to the literature review. Additionally, the various classification algorithms that are put to use in this area of research are discussed. The MRI brain tumor dataset and the pre-trained models (VGG16, ResNet50, and InceptionV3) that will be compared are then described in detail in the following section of the study. After that, feature extraction, fine tuning, transfer learning, and a combination of these four methods are put into action and evaluated as potential methods for classifying brain tumors using the previously trained models. The outcomes of these methods are charted and compared using a variety of metrics, and the models that perform the best are retained for further examination. The purpose of this study is to provide insight into the most effective methods for classifying brain tumors using pre-trained models and to suggest potential directions for future research in this area. The models used in this study were obtained from the Brain Tumor Classification Dataset available publicly on Kaggle.
Benzer Tezler
- 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
- Ağaçlandırmalarda çok ölçütlü karar verme
Multicriteria decision making in afforestation
AHMET TÜRKER
Doktora
Türkçe
1986
Ormancılık ve Orman Mühendisliğiİstanbul ÜniversitesiOrmancılık ve Çevre Bilimleri Ana Bilim Dalı
DOÇ. DR. UÇKUN GERAY
- Mr görüntülerinde gliyom karakterizasyonu için 3B analiz temelli sınıflayıcı model tasarımı
The design of 3D analysis-based framework for glioma characterization in MR images
ABDULSALAM HAJMOHAMAD
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN KOYUNCU
- Önemli zeytin (Olea europaea L.) çeşitlerinin izoenzim polimorfizmleri ve genetik özellikleri
Isoenzyme polymorphisms and genetic characteristics of important olive (Olea europaea L.) cultivars and types
SEVDA DÜLGER
Yüksek Lisans
Türkçe
2004
ZiraatÇanakkale Onsekiz Mart ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
YRD. DOÇ. DR. MURAT ŞEKER
- Design of biodegradable hydrogels for the development of in vitro models for glioblastoma multiforme
Biyobozunur hidrojellerin glioblastoma multiform için in vitro modellerin geliştirilmesi için tasarlanması
PELİN ERKOÇ
Doktora
Türkçe
2017
BiyomühendislikKoç ÜniversitesiBiyomedikal Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. SEDA KIZILEL
YRD. DOÇ. TUĞBA BAĞCI ÖNDER