Geri Dön

Evrişimsel sinir ağı kullanılarak göğüs radyografilerinde yüksek başarımlı bölütleme yapılması ve pnömoni tespitine etkisinin incelenmesi

High performance segmentation in chest radiographs using convolutional neural network and investigation of its effect on pneumonia detection

PDF İndir

  1. Tez No: 787170
  2. Yazar: İLHAN AYDIN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖZKAN BİNGÖL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Bölütleme, Derin öğrenme, Evrişimli sinir ağları, Pnömoni, Radyografi, Segmentation, Deep learning, Convolutional neural networks, Pneumonia, Radiography
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Gümüşhane Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka ve Akıllı Sistemler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Zatürre diğer adıyla pnömoni bakteriyel veya viral enfeksiyonun neden olduğu yaşamı tehdit eden akciğer hastalığıdır. Bu nedenle, hastalığın erken teşhisi ölüm oranını önemli derecede azaltmaktadır. Göğüs röntgenleri (radyografi) hastalığın teşhisinde büyük öneme sahiptir. Pnömoni teşhisinde sağlık alanındaki çalışmalar dışında, mühendislik alanında da birçok çalışma yapılmakta ve teşhis sürecini hızlandırma konusunda kolaylıklar sağlamaktadır. Bu uygulamalardan biri de derin öğrenme yöntemleri ile hastalığı teşhis etmektir. Çalışmada, Python programlama dilinde Tensorflow Kütüphanesi ve erişime açık veri setlerinden yararlanılmıştır. Veri seti olarak içinde 1-5 yaş arası çocukların göğüs röntgenlerinin bulunduğu Veriseti-1 ve bu veri setinden bir kısım görüntülerin işaretli verilerinin de bulunduğu Veriseti-2 kullanılmıştır. İki aşamalı evrişimsel sinir ağı modeli oluşturulmuştur. İlk aşamada, akciğer bölgesi işaretlenmiş Veriseti-2 üzerinde değiştirilmiş U-Net mimarisi kullanılarak bölütlemesi yapılacak Veriseti-1 görüntüleri için model oluşturulmuştur. Ayrıca çalışmanın son kısmında göğüs kafesi bölgesini tespit edebilecek bir yaklaşım önerilmiştir. Oluşturulan model Veriseti-1'de kullanılarak bölütleme yapılmıştır. Bölütleme doğruluğu (accuracy) % 98.98 olarak hesaplanmıştır. Tasarlanan evrişimsel sinir ağı modeli Veriseti-2'ye uygulanmış ve pnömoni tespitinde test doğruluk (accuracy) değeri %98.55 olarak elde edilmiştir.

Özet (Çeviri)

Pneumonia, also known as pneumonia, is a life-threatening lung disease caused by a bacterial or viral infection. Therefore, early diagnosis of the disease significantly reduces the mortality rate. Chest X-rays are of great importance in the diagnosis of the disease. Apart from the studies in the field of health in the diagnosis of pneumonia, many studies are carried out in the field of engineering and provide convenience in accelerating the diagnosis process. One of these applications is to diagnose the disease with Deep Learning methods. Tensorflow Library on Python programming language and open access datasets were used in the study. Dataset-1, which contains chest x-rays of children aged 1-5, and Dataset – 2, which also contains the marked data of some images from this dataset, were used as dataset. A two-stage Convolutional Neural Network model was created. In the first stage, a model was created for dataset-1 images to be segmented using modified U-Net architecture on Dataset – 2 with marked lung region. Segmentation was done by using the created model in Dataset – 1. In addition, an approach that can detect the thorax region is proposed int the last part of study. Segmentation accuracy was calculated as 98.98%. The designed Convolutional Neural Network model was applied to the dataset-2, and the test accuracy in detecting pneumonia was 98.55%.

Benzer Tezler

  1. Tez No

    489553

    Classification of lung nodules in CT images using convolutional neural networks

    BT görüntülerinde akciğer nodüllerinin evrişimsel sinir ağları kullanılarak sınıflandırılması

    GÖRKEM POLAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YEŞİM SERİNAĞAOĞLU DOĞRUSÖZ

    PROF. DR. UĞUR HALICI

  2. Tez No

    637304

    Göğüs kafesi röntgen görüntülerinde derin öğrenme metoduyla zatürre hastalığının tanısı

    Pneumonia detection using deep learning on chest X-ray images

    MUAZZEZ BUKET DARICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ZÜMRAY ÖLMEZ

  3. Tez No

    962941

    Göğüs kanseri sınıflandırmasında yenidenboyutlandırma ve aşırı örneklemenin etkisi

    Effect of resize and oversampling on breast cancerclassification

    ATAKAN GÖÇER

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ÖZGÜR CİNGİZ

  4. Tez No

    688973

    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

    İngilizce

    2021

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜL İNAN

  5. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

Geri Dön