Geri Dön

Derin öğrenme teknikleriyle akciğer görüntüleri üzerinde kanser teşhisi

Diagnosis of cancer on lung images by deep learning techniques

PDF İndir

  1. Tez No: 790601
  2. Yazar: FURKAN BERK SEYREK
  3. Danışmanlar: DOÇ. DR. HALİL YİĞİT
  4. Tez Türü: Yüksek Lisans
  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: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 87

Özet

Akciğer kanseri, dünya çapında kansere bağlı ölümlerin önde gelen nedenlerinden biridir ve hastalığın erken teşhisi, hasta sonuçlarını iyileştirmek için çok önemlidir. Geleneksel yöntemler aracılığıyla kanserin teşhisi doktorlar için yorucu ve zaman alıcı bir süreçtir. Son yıllarda, derin öğrenme teknikleri, akciğer kanserinin teşhisi ve sınıflandırılması için büyük umut vaat etmektedir. Yapay sinir ağlarını temel alan bu yöntemler, kısa sürelerde yüksek doğruluk oranları göstermiştir ve büyük miktarda veriyi hızlı ve verimli bir şekilde analiz etme yeteneğine sahiptir. Bu çalışmada, mevcut derin öğrenme tekniklerini kullanarak bilgisayarlı tomografi taramalarında akciğer görüntüsünün kanserli veya kansersiz olarak sınıflandırılması gerçekleştirilmiştir ve önerilen derin öğrenme modellerin performansları çeşitli parametreler altında değerlendirilmiştir. Akciğer kanserinin teşhisi sürecinde halka açık veri seti üzerinden görüntüler elde edilmiştir. Elde edilen görüntüler çeşitli ön işleme ve segmentasyon teknikleri kullanılarak derin öğrenme modellerinde kullanıma hazır hale getirmek üzere işlenmiştir. Hazırlanan görüntüler derin öğrenme modellerinde eğitime tabii tutulmuştur ve görüntülerin kanserli veya kansersiz olma durumuna göre sınıflandırılması sağlanmıştır. Önerilen derin öğrenme yaklaşımlarının performansları, doğruluk, duyarlılık, özgüllük, F1 skoru gibi parametreler üzerinde değerlendirilmiştir. Elde edilen sonuçların akciğer kanserinin teşhisi ve sınıflandırılması konusunda doktorlara yardımcı olabileceği kanısına varılmıştır ve geliştirilen sistem literatüre kazandırılmıştır.

Özet (Çeviri)

Lung cancer is one of the leading causes of cancer-related death worldwide, and early detection of the disease is crucial to improving patient outcomes. Diagnosing cancer through traditional methods is a tiring and time-consuming process for doctors. In recent years, deep learning techniques show great promise for the diagnosis and classification of lung cancer. Based on artificial neural networks, these methods have shown high accuracy in short times and are capable of analyzing large amounts of data quickly and efficiently. In this study, classification of lung image as cancerous or non-cancerous in computed tomography scans was performed using existing deep learning techniques, and the performances of the proposed deep learning models were evaluated under various parameters. During the diagnosis of lung cancer, images were obtained from the public data set. The resulting images were processed using various preprocessing and segmentation techniques to make them ready for use in deep learning models. The prepared images were trained in deep learning models and the images were classified according to whether they were cancerous or non-cancerous. The performances of the proposed deep learning approaches were evaluated on parameters such as accuracy, sensitivity, specificity, and F1 score. It was concluded that the results obtained could help doctors in the diagnosis and classification of lung cancer, and the developed system was brought to the literature.

Benzer Tezler

  1. 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

  2. Tez No

    848408

    Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease

    Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi

    İNANÇ MORAN

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DENİZ TURGAY ALTILAR

  3. Tez No

    837295

    Covid-19 hastalığının sınıflandırılmasında derin öğrenme modellerinin performanslarının karşılaştırılması

    Comparison of the performances of deep learning models in classification of Covid-19 disease

    PERVİN SÜRGÜÇOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiKastamonu Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KEMAL AKYOL

  4. Tez No

    787770

    Bilgisayarlı tomografi görüntüleri kullanılarak COVID-19 hastalığının tanısı için derin öğrenme yöntemlerinin kullanılması

    Using deep learning methods to diagnose COVID-19 disease using computed tomography images

    MUHAMMED ALPEREN HOROZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilim ve TeknolojiFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEDA ARSLAN TUNCER

  5. Tez No

    688510

    Principle component analysis for medical video compression

    Tıbbi video kompresyonu için temel bileşen analizi

    HİBA HAMEED MAJEED ALSHUWAILI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM

Geri Dön