Geri Dön

Diagnose colon disease by feature selection based on artificial neural network and group teaching optimization algorithm

Başlık çevirisi mevcut değil.

  1. Tez No: 796058
  2. Yazar: ALAA BADR EYSA EYSA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: bitki hastalığı, Grup öğretimi optimizasyon algoritması, Özellik seçimi, yapay, plants disease, Group teaching optimization algorithm, Feature selection, artificial
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 60

Özet

Çoklu görüntüleme modaliteleri, çağdaş tıbbın teşhis kesinliğini önemli ölçüde artırmıştır. Tıbbi görüntüleme, doğru bir teşhisin elde edilebileceği ve tedavinin hızla başlatılabileceği bir noktaya ilerlemiştir. Bu makale, kolorektal kanserin nasıl tespit edileceğini açıklayan mükemmel bir iş çıkarmaktadır. Bitki hastalıklarını teşhis etmek için önerilen yöntem, bir görüntünün en uygun öğelerini belirlemek için bir grup öğretimi optimizasyon algoritması kullanır. Resimleri iyi huylu veya kötü huylu olarak tanımlamak için çok katmanlı eğitimli sinir ağları kullanılır. Kolon kanseri teşhisi için önerilen teknik, renk veri seti üzerinde test edildiğinde ortalama %92,72 doğruluk, %93,14 hassasiyet ve %94,26 F1-Skor elde eder. Kvasir resim verileri, önerilen yöntem kullanılarak yüzde 96,42 doğruluk, kesinlik, hassasiyet, bitki hastalığı ve F1-Skor ile sınıflandırıldı. Deneyler, önerilen stratejinin bitki hastalıklarının fotoğraflarını sınıflandırmak için 3Layer'dan daha üstün olduğunu göstermektedir. CNN Şu anda tıbbi teşhiste kullanılmak üzere çok sayıda görüntüleme yöntemi bulunmaktadır. Dört algoritma (DF, RF, CNN ve TFL).

Özet (Çeviri)

Multiple imaging modalities have substantially enhanced the diagnostic precision of contemporary medicine. Medical imaging has progressed to the point where an accurate diagnosis is achievable, and therapy can be commenced quickly. This article does an excellent job describing how to detect colorectal cancer. The recommended method for diagnosing plant diseases use a group teaching optimization algorithm to identify the most pertinent elements of an image. Multiple-layered trained neural networks are used to identify pictures as benign or malignant. The suggested technique for colon cancer diagnosis achieves a mean accuracy of 92.72%, sensitivity of 93.14%, and F1-Score of 94.26% when tested on the color data set. Kvasir picture data were classified with 96.42 percent accuracy, precision, sensitivity, plant disease, and F1-Score using the proposed method. Experiments demonstrate that the proposed strategy is superior to 3Layer for classifying photos of plant diseases. CNN There are currently numerous imaging modalities available for use in medical diagnostics. The four algorithms (DF, RF, CNN, and TFL).

Benzer Tezler

  1. Evrişimsel sinir ağları ve çekirge optimizasyon algoritması kullanarak kolon kanser hastalığı tesbiti

    Colon cancer disease diagnose with convolutional neural network and grasshopper optimization algorithm

    AMNA ALI A MOHAMED

    Doktora

    Türkçe

    Türkçe

    2024

    Mühendislik BilimleriKastamonu Üniversitesi

    Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı

    PROF. DR. AYBABA HANÇERLİOĞULLARI

  2. Elektrokardiyogram verilerinin iyileştirilmiş yapay arı kolonisi (MABC) algoritması ile analizi

    Analysis of electrocardiogram data by using modified artificial bee colony (MABC) algorithm

    SELİM DİLMAÇ

    Doktora

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TAMER ÖLMEZ

  3. Kütle spektrometresi verilerinin analiziyle prostat ve yumurtalık kanserlerinin belirlenmesi

    Prostate and ovarian cancer identification by analyzing mass spectrometry data

    VEDAT TAŞKIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Biyoistatistikİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TAMER ÖLMEZ

  4. Ftir histo-spectroscopic evaluation and chemometric discrimination of colon cancer

    Kolon kanserinin ftır hısto-spectroscopıc değerlendirmesi ve kemometrik ayrıştırımı

    SUSAN NAJAH MAHDI AL-KINANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Biyokimyaİstanbul Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. RAMAZAN KIZIL

  5. Görüntü işleme teknikleri kullanarak deri lezyonlarında hastalık teşhis başarımının artırılması

    Improving the success of disease diagnosis in skin lesions using image processing

    HASAN AKAN

    Doktora

    Türkçe

    Türkçe

    2021

    DermatolojiSakarya Uygulamalı Bilimler Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ZAHİD YILDIZ