Derin öğrenme ile sosyal ağlarda radyolojik görüntü ve metin tabanlı medikal kavram tespiti
Radiological image and text based medical concept detection in social networks with deep learning
- Tez No: 785432
- Danışmanlar: PROF. DR. İBRAHİM YÜCEDAĞ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Düzce Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Günümüzde sağlık konulu sosyal ağların her geçen gün arttığı görülmektedir. Bu ağların etkisi ile çeşitli uzmanlar tarafından tanılanıp yorumlanan çok sayıda tıbbi görüntü ortaya çıkmaktadır. Bu nedenle, tıbbi görüntülerden kavram tespiti ve görüntü sınıflandırma zorlu bir görev olmaya devam etmektedir. Son yıllarda bu alanda yapılan çalışmalar, model olarak derin öğrenme üzerindeki faaliyetleri artırmıştır. Derin öğrenme modeline ilginin bu denli artmasının en önemli sebebi ise, yeteri kadar sayıda eğitilecek verinin bulunması ve bu verilerinin işlenmesinde gerekli fiziki alt yapının hazır olmasıdır. Tez çalışmasının temel amacı, bir sosyal ağ üzerinde paylaşılan radyolojik görüntülere atanması gereken medikal kavramları otomatik olarak seçerek, görüntülerin çok etiketli sınıflandırmasını gerçekleştirmektir. Kavramlar, Birleşik Tıp Dil Sisteminden (Unified Medical Language System (UMLS)) gelir. Çalışmada, kavramları tahmin etmek amacıyla ileri beslemeli sinir ağları ile birleştirilen evrişimli sinir ağı (convolutional neural network-CNN) ve çeşitli görüntü kodlayıcıları (VGG-19, ResNet-101, DenseNeT-121, Xception, Efficient-B7) uygulanmıştır. Önerilen hibrit derin öğrenme modelleri, ImageCLEF 2019 veri kümesi üzerinde eğitilmiş ve test edilmiştir. Daha sonra, sosyal ağ üzerinden toplanan radyoloji görüntüleri ve onlara ait yorumlardan oluşturulan veri seti (Rdpd_Test_Vs) üzerinde modellerin başarımı değerlendirilmiştir. Değerlendirme, sistem tarafından tahmin edilen ve kesin doğruluk kavramları arasındaki F1 puanları açısından gerçekleştirilmiştir. Değerlendirme sonuçları umut verici olup, yüksek başarıma sahiptir.
Özet (Çeviri)
Today, it is seen that social networks on health topic are increasing day by day. With the effect of these networks, a large number of medical images emerge that are identified and interpreted by various experts. Therefore, concept detection and image classification from medical images remains a challenging task. In recent years, studies in this field have increased the activities on deep learning as a model. The most important reason why the interest in the deep learning model has increased so much is that there is enough data to be trained and the necessary physical infrastructure is ready to process this data. The main purpose of the thesis work is to perform multi-label classification of images by automatically selecting the medical concepts that should be assigned to the radiological images shared on a social network. Concepts come from the Unified Medical Language System (UMLS). In order to predict the concepts in the study, convolutional neural network (CNN) combined with feed forward neural networks, and various image encoders (VGG-19, ResNet-101, DenseNeT-121, Xception, Efficient-B7) are employed. The proposed hybrid deep learning models have been tried and tested on the ImageCLEF 2019 dataset. Then, the performance of the models was evaluated on the data set (Rdpd_Test_Vs) formed from the radiology images and their comments collected over the social network. Evaluation is performed in terms of F1 scores between system prediction and absolute accuracy concepts. Evaluation results are promising and have high performance.
Benzer Tezler
- Sosyal ağlarda etkileşime dayalı davranış analizi ile karakter tespiti
Character identification with interaction-based behavior analysis in social networks
HAFZULLAH İŞ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANER TUNCER
- Zararlı video içeriklerinin derin öğrenme teknikleri ile tespiti ve filtrelenmesi için bir yazılım aracı geliştirilmesi
Development of a software tool for detecting and filtering harmful video content with deep learning techniques
FATMA GÜLŞAH TAN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ASIM SİNAN YÜKSEL
- Derin öğrenme algoritmalarını kullanarak deepfake video tespiti
Deepfake video detection using deep learningalgorithms
ŞAHİN KORKMAZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiAdli Bilişim Ana Bilim Dalı
PROF. DR. MUSTAFA ALKAN
- A new framework for decentralized social networks: Harnessing blockchain, deep learning, and natural language processing
Merkezsiz sosyal ağlar için yeni bir çerçeve: Blok zinciri, derin öğrenme ve doğal dil işlemeyi kullanmak
AMIR AL KADAH
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ BALTA
- Derin öğrenme yöntemiyle çevrimiçi sosyal ağlarda duygu analizi ve metin özetleme
Deep learning based sentiment analysis and text summarization in social networks
EMRE DOĞAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BUKET KAYA