Geri Dön

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

  1. Tez No: 785432
  2. Yazar: SÜMEYYE BAYRAKDAR
  3. Danışmanlar: PROF. DR. İBRAHİM YÜCEDAĞ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Düzce Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Sosyal ağlarda etkileşime dayalı davranış analizi ile karakter tespiti

    Character identification with interaction-based behavior analysis in social networks

    HAFZULLAH İŞ

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TANER TUNCER

  2. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ASIM SİNAN YÜKSEL

  3. Derin öğrenme algoritmalarını kullanarak deepfake video tespiti

    Deepfake video detection using deep learningalgorithms

    ŞAHİN KORKMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Adli Bilişim Ana Bilim Dalı

    PROF. DR. MUSTAFA ALKAN

  4. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DENİZ BALTA

  5. 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

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Ekobilişim Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BUKET KAYA