A new framework deep convolutional neural network for brain tumor detection
Beyin tümörü tespiti için yeni bir çerçeve derin konvolusyonel sinir ağı
- Tez No: 799864
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 61
Özet
Bu çalışma, temel bileşen analizi (PCA) gibi geleneksel özellik seçme teknikleri ile derin öğrenme tekniklerini birleştiren yeni beyin tümörü tespit sistemini sundu. Önerilen yöntem, Konvolüsyonel sinir ağı ve Temel bileşen analizi ile derin seyrek otomatik kodlayıcılar kullanan birkaç aşamadan oluşur. Bu çalışma, gerçek canlıda beyin tümörünün özelliklerini temsil eden ikili ve üç sınıflı iki veri seti ile test edilmiştir. Önerilen yöntem, ikili sınıflandırmada %99 ve üç sınıflı sınıflandırma probleminde %97.5 gibi dikkat çekici sonuçlar vermiştir. Önerilen yöntem, geleneksel makine öğrenimi teknikleri ve derin seyrek otomatik kodlayıcılarla karşılaştırıldığında en iyi sonuçları verdi. Ayrıca, önerilen yöntem önceki çalışmalarla karşılaştırıldığında, önerilen yöntemin en iyi olduğunu ve en iyi performansı gösterdiğini göstermektedir.
Özet (Çeviri)
This study presented new brain tumor detection system combined deep learning techniques with traditional feature selection techniques such as Principal component analysis (PCA). The proposed method consist from several stages which used Convolutional neural network and deep sparse autoencoders with Principal component analysis. This study, tested with two datasets binary and three classes datasets which are represents the features of the brain tumor in the real live. The proposed method presented remarkable results which are 99% with binary classification and 97.5% with three classes classification problem. The proposed method compared with traditional machine learning techniques and the deep sparse autoencoders presented best results. Furthermore, the proposed method compared with previous studies show that the proposed method is best and show best performance
Benzer Tezler
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- A new computer vision application based on deep learning technique for brain MRI recognition
Beyin MRI tanıma için derin öğrenme tekniğine dayalı yeni bir bilgisayar görüşü uygulaması
SAJAD SALAM MOHAMMED MOHAMMED
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHİM
- Yinelemeli sinir ağları ile işaret dili tanıma
Sign language recognition with recurrent neural networks
İBRAHİM ÇETİNKAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids
Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi
FATHI FARAH FADOUL FATHI FARAH FADOUL
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR
- CNN tabanlı modeller kullanılarak sinyal gürültü bastırma ve frekans seçici filtrelemenin modellenmesi, uygulaması ve harmonik tabanlı performans degerlendirilmesi
The modeling, application and harmonic-based performance evaluation of signal denoising and frequency-selective filtering by using CNN-based models
OMAR NAJAR
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiSüleyman Demirel ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TURGAY KOÇ