Makine öğrenme algoritmalarıyla akciğer X-ray görüntü özniteliklerini kullanarak pnömoni tespiti ve sınıflandırılması
Pneumonia detection and classification using lung X-ray image features with machine learning algorithms
- Tez No: 787054
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET ÇELİK
- 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: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 95
Özet
Pnömoni insan sağlığını tehdit eden ve erken teşhis edilmediğinde ölüme yol açabilen bir hastalıktır. Bu çalışmada akciğer X-ray görüntülerinden makine öğrenimi yöntemleri kullanılarak pnömoni tespiti gerçekleştirilmiştir. Veri seti 1-5 yaş arası çocuklara ait akciğer X-ray görüntülerinden oluşmaktadır. Pnömoni tespiti için yeni bir yaklaşım sunulmaktadır. İlk adımda akciğer X-ray görüntüleri üzerine bir dizi ön işleme adımı gerçekleştirilmiştir. Bu adımlar Histogram Eşitleme, Mask R-CNN(Maske Bölge Tabanlı Evrişimli Sinir Ağı) ve Otsu Eşikleme adımlarıdır. Ardından birinci dereceden ve ikinci dereceden dokusal öznitelikler çıkarılmıştır. SMOTE(Sentetik Azınlık Aşırı Örnekleme Tekniği) yöntemi kullanılarak eğitim verilerinde sınıflar arasındaki dengesizlik giderilmiştir. Son adımda makine öğrenimi sınıflandırma modelleri kullanılarak sınıflandırma gerçekleştirilmiştir. Bu sınıflandırma modelleri Çok Katmanlı Algılayıcı, Destek Vektör Makinesi, Lojistik Regresyon ve K-En Yakın Komşu modelleridir. Sınıflandırma modelleri birbirleri ile karşılaştırılmıştır. Sonuçlara göre Çok Katmanlı Algılayıcı 0,95833 doğruluk oranı, 0,95978 kesinlik oranı, 0,95833 duyarlılık oranı, 0,95856 F1-Skor ve 0,98566 AUC(Eğri Altındaki Alan) Skor ile diğer sınıflandırma algoritmalarına göre en iyi performansı göstermiştir. Ayrıca sınıflandırma modelleri literatürde bulunan önceki çalışmalar ile de karşılaştırılmıştır. Elde edilen sonuçlara göre önerilen Çok Katmanlı Algılayıcı modeli, doğruluk oranı, F1-Skor ve AUC Skor açısından literatürdeki diğer çalışmalardan daha üstün performans göstermiştir.
Özet (Çeviri)
Pneumonia is a disease that threatens human health and can lead to death when diagnosed late. In this study, pneumonia detection was performed using machine learning methods from lung X-ray images. The dataset consists of lung X-ray images of children aged 1-5 years. A new approach was presented for pneumonia detection. In the first step, a series of preprocessing steps were performed on the lung X-ray images. These steps are Histogram Equalization, Mask R-CNN(Mask Region-Based Convolutional Neural Network), and Otsu Thresholding. Then, first-order and second-order textural features were extracted. By using the SMOTE(Synthetic Minority Over-sampling Technique) method, the imbalance between the classes in the training data was addressed. In the last step, classification was performed using machine learning classification models. These classification models are Multilayer Perceptron, Support Vector Machine, Logistic Regression and K-Nearest Neighbors. Classification models were compared with each other. According to the results, the Multilayer Perceptron showed the best performance compared to other classification models, with an accuracy rate of 0,95833, a precision rate of 0,95978, a recall rate of 0,95833, an F1-Score of 0,95856 and an AUC(Area Under Curve) Score of 0,98566. In addition, classification models were compared with previous studies in the literature. According to the results, the proposed Multilayer Perceptron outperformed the other studies in the literature in terms of accuracy, F1-Score and AUC Score.
Benzer Tezler
- Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images
Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı
OZAN GÜLDALİ
Yüksek Lisans
İngilizce
2021
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL İNAN
- Akciğer kanseri tanısı ile radyoterapi uygulanan hastalarda radyasyon pnömonitinin radyomiks, dozyomiks ve makine öğrenmesi kullanılarak değerlendirilmesi
Evaluation of radiation pneumonitis in lung cancer patients undergoing radiotherapy using radiomics, dosiomics and machine learning
İREM BÜNÜL
Tıpta Uzmanlık
Türkçe
2024
Radyasyon Onkolojisiİstanbul ÜniversitesiRadyasyon Onkolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞULE KARAMAN
- Biomarker identification for discrimination of cancer types
Kanser türlerini ayırt edebilmek için biyoişaretçi tanımlaması
CEM BUĞRA ALKAN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZERRİN IŞIK
- Diagnosis of lung diseases using pulmonary sounds
Akciğer sesleri kullanılarak akciğer hastalıkları teşhisi
FEVZİ YASİN KABABULUT
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DAMLA GÜRKAN KUNTALP
- Bilgisayarlı tomografi görüntülerinden derin öğrenme ve makine öğrenmesi ile COVID-19 hastalığının teşhisi
Deep learning from computerized tomography imagesand diagnosis of COVID-19 with machine learning
GÖZDE KAHRAMAN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZAFER CİVELEK