Derin öğrenme yönteminin koroner arter hastalığında iskemi değerlendirilmesi için spect görüntülerine uygulanması
Application of deep learning method to spect images forevaluation of ischemia in coronary artery disease
- Tez No: 783682
- Danışmanlar: PROF. DR. AHMET BOZKURT
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Hayati organlardan biri olan kalbin anormal çalışmasının sebeplerinden biri koroner arter hastalığıdır (KAH). Kalbin yeteri kadar beslenmesini ve oksijenlenmesini sağlayan koroner arter damarların daralması-tıkanması sonucu kardiyovasküler sistemde iskemi gerçekleşmesi durumuna KAH denir. Kardiyovasküler sistemin fonksiyonel olarak değerlendirilmesine imkan sunan Single Photon Emission Computed Tomography (SPECT) görüntüleme tekniği KAH tanısında sık tercih edilen nükleer tıp uygulamalarından biridir. Stres-dinlenme çekimli SPECT görüntülerinin karşılaştırılması ile kalbin fonksiyonu ve risk durumu, koroner arter damarlardaki daralmanın-tıkanmanın konumu hakkında bilgi toplamayı sağlar. Mevcut durumda SPECT görüntülerinden elde edilen bilgiler uzmanlar tarafından yorumlanarak hastalık teşhisi konulur. Bu çalışmada, her geçen gün artış gösteren bilgi birikimin işlenebilmesini karşılayabilecek nitelikte olan bir sistem önerilmiştir. Evrişimli Sinir Ağı (ESA) algoritmaları ve güçlü donanım teknolojilerine yer verilerek tasarlanan derin öğrenme (DÖ) modeli KAH tanısını koymada uzmanlara yardımcı olabilir. SPECT MPI (Myocardial Perfusion Imaging) görüntü veri setinin eğitim ve test işlemleri çeşitli transfer öğrenme (TÖ) mimarileri üzerinden yürütülerek iskemi/canlı doku değerlendirilmesi yapılmıştır. Çalışmanın sonucunda, önceden eğitilmiş DenseNet121, InceptionResNetV2, InceptionV3, MobileNet, MobileNetV2, ResNet50, VGG16, VGG19, Xception mimarilerinin performans ölçütleri incelendiğinde en yüksek eğitim doğruluğunu %98.2 ile InceptionV3, en yüksek kesinliği %98, duyarlılığı %98, F1- skoru %98 ve AUC değeri 0.977 olarak Xception modelinde analiz edilmiştir. Test veri setinde ise VGG16 %98.3, VGG19 %85 ve MobileNetV2 %77.2 en düşük doğruluk değeri hesaplanırken geriye kalan modellerde doğruluk %100 başarıya ulaşmıştır. Literatürde yapılan diğer çalışmalara kıyasla SPECT MPI görüntülerinden yola çıkarak analiz yeteneği kazandırılan DÖ yöntemi ile iskemi/canlı doku değerlendirilmesi amaçlanmıştır.
Özet (Çeviri)
Coronary artery disease (CAD) is one of the causes of abnormal functioning of the heart, which is one of the vital organs. The occurrence of ischemia in the cardiovascular system as a result of narrowing-occlusion of the coronary artery vessels that provide adequate nutrition and oxygenation of the heart is called CAD. SPECT (Single Photon Emission Computed Tomography) imaging technique, which allows functional evaluation of the cardiovascular system, is one of the frequently preferred nuclear medicine applications in the diagnosis of CAD. By comparing stress-resting SPECT images, it provides information about the function and risk status of the heart, and the location of the narrowing-occlusion in the coronary arteries. In the current situation, the information obtained from the SPECT images is interpreted by the experts and the disease is diagnosed. In this study, a system that is capable of meeting the processing of knowledge that is increasing day by day has been proposed. Convolutional neural network (ESA) algorithms and deep learning (DL) model designed by including powerful hardware technologies can help experts in diagnosing CAD. The training and testing of the SPECT MPI image dataset was carried out on various transfer learning (BL) architectures, and ischemia/living tissue evaluation was performed. As a result of the study, when the performance performance criteria of the pre-trained DenseNet121, InceptionResNetV2, InceptionV3, MobileNet, MobileNetV2, ResNet50, VGG16, VGG19, Xception architectures are examined, the highest training accuracy is InceptionV3, with the highest accuracy %98, sensitivity %98, F1-score %98 and AUC value of 0.977 were analyzed in the Xception model. In the test data set, the lowest accuracy value was calculated for VGG16 %98.3, VGG19 %85 and MobileNetV2 %77.2, while the remaining models achieved %100 accuracy. Compared to other studies in the literature, it is aimed to evaluate ischemia/living tissue with the DS method, which has the ability to analyze based on SPECT MPI images.
Benzer Tezler
- Yapay zekâ-tabanlı hibrit anomali tespit ve klinik karar destek teknikleri ile kardiyovasküler hastalıkların ve COVİD-19'un otomatik tespiti
Artificial intelligence-based hybrid anomaly detection and clinical decision support techniques for automated detection of cardiovascular diseases and COVİD-19
MERVE BEGÜM TERZİ
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Prediction of heart disease using a combination of machine learning and deep learning approaches
Başlık çevirisi yok
DIMA SAMI KHALAF KHALAF
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DOÇ. DR. OĞUZ ATA
- Diagnosis of cardiovascular (CVD) disease using high performance machine learning system
Yüksek performanslı makine öğrenme sistemi kullanılarak kardiyovasküler (CVD) hastalığının tanı
MUSTAFA ADİL FAYEZ FAYEZ
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Deep learning approaches for multiple sclerosis lesion segmentation using multi-sequence 3D MR images
Çok sekanslı 3B MR görüntüleri kullanılarak multiple skleroz lezyon bölütlemesi için derin öğrenme yaklaşımları
BEYTULLAH SARICA
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Derin öğrenme yönteminin yüzün fotoğrafik incelenmesindeki etkinliğinin değerlendirilmesi
Determination of the effectiveness of deep learning method in facial photographic evaluation
MEHMET RIDVAN DEMİR
