Yapay zekâ destekli teşhis ve tanıda doktora yardımcı kananalizi yazılımı
Artificial intelligence-supported diagnostic and assistantblood analysis software for doctors
- Tez No: 809764
- Danışmanlar: PROF. DR. SERHAT ÖZEKES
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Hematoloji, Tıbbi Biyoloji, Computer Engineering and Computer Science and Control, Hematology, Medical Biology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 49
Özet
Son yıllarda yapay zekâdaki ilerlemeler, tıp alanında önemli dönüşümlere yol açmaktadır. Yapay zekâ destekli sistemler, tıbbi teşhis, hastalıkların erken tespiti, tedavi planlaması ve hastane yönetimi gibi alanlarda kullanılmaktadır. Bu nedenle, yapay zekâ destekli kan analiz yazılımları önemli bir araç haline gelmiştir. Bu tezin amacı, hastane kan testi sonuçlarını yapay zekâ destekli NEVASOFT yazılımı kullanarak analiz etmek ve doktorlara kolay erişim ve kullanım kolaylığı sağlamaktır. Tez kapsamında, tam kan sayım cihazından elde edilen verileri grafiklendirmekte, mikroskop altında hücreler sınıflandırılmakta ve flowsitometri cihazından gelen veriler analiz edilmektedir. Ayrıca, doktorların görüşleri anketler aracılığıyla toplanmakta ve sonuçlar tez içerisinde incelenmektedir. Bu çalışma, Python programlama dili PyTorch modülü kullanılarak başarılı bir şekilde gerçekleştirilen yapay zekâ tabanlı bir nesne tanıma algoritmasıyla, altı farklı kategoriye ait kan örneklerinin %92 oranında doğru bir şekilde sınıflandırıldığını göstermiştir. PyTorch'un kan analizi yazılımına entegrasyonu, teşhis sürecinin verimliliğini ve doğruluğunu önemli ölçüde artırmıştır. Bu tez, yapay zekâ destekli kan analiz yazılımlarının tıp alanında önemli bir rol oynadığını vurgulayacak ve doktorların hastaların durumunu daha hızlı ve doğru bir şekilde değerlendirmelerine yardımcı olacaktır. Bu çalışmanın bulguları, yapay zekâ teknolojisinin tıp alanında kullanımına yönelik daha fazla araştırmanın yapılmasına katkı sağlayacaktır. Bu çalışma, tıp alanında yapay zekâ teknolojilerinin kullanımına örnek teşkil etmektedir. Yapay zekâ algoritmaları, kan analizi sonuçlarının incelenmesinde kullanılmış ve doktorlara test sonuçlarını daha hızlı ve doğru bir şekilde yorumlama imkânı sağlamıştır. Ayrıca, hücrelerin sınıflandırılması aşamasında da yapay zekâ algoritmalarından faydalanılmış ve mikroskop altında hücre görüntülerinin daha hızlı ve doğru bir şekilde sınıflandırılması sağlanmıştır. Ayrıca, hasta anketlerinden elde edilen veriler analiz edilerek sonuçlara dahil edilmiştir. Yapay zekâ teknolojilerinin tıp alanında kullanımı artmaya devam ederken, bu çalışma benzer araştırmalar için model teşkil edebilir. Ayrıca kan tahlili sonuçlarının hızlı ve doğru yorumlanmasında yapay zekâ algoritmalarının kullanılmasının önemi vurgulanmıştır. Not: Metinde adı geçen yapay zekâ destekli yazılımın“NEVASOFT”adı olduğu varsayılmıştır.
Özet (Çeviri)
In recent years, advancements in artificial intelligence have led to significant transformations in the field of medicine. Artificial intelligence-supported systems are being used in medical diagnosis, early detection of diseases, treatment planning, and hospital management. Consequently, artificial intelligence-supported blood analysis software has become an important tool. The aim of this thesis is to analyze hospital blood test results using an artificial intelligence-supported NEVASOFT software and provide easy access and convenience to doctors. Within the scope of the thesis, the data obtained from a complete blood count device is graphed, cells are classified under a microscope, and data from a flow cytometry device is analyzed. Additionally, the opinions of doctors are collected through surveys, and the results are examined within the thesis. This study successfully implemented an artificial intelligence-based object recognition algorithm using Python programming PyTorch module, achieving a 92% accuracy rate in classifying blood samples into six categories. The integration of PyTorch into the blood analysis software significantly enhanced the efficiency and accuracy of the diagnostic process. This thesis will emphasize the significant role of artificial intelligence-supported blood analysis software in the field of medicine and its assistance in enabling doctors to evaluate the conditions of patients more quickly and accurately. The findings of this study will contribute to further research on the use of artificial intelligence technology in the medical field. This study serves as an example of the use of artificial intelligence technologies in the field of medicine. Artificial intelligence algorithms were utilized in the examination of blood analysis results, enabling doctors to interpret test results more rapidly and accurately. Moreover, artificial intelligence algorithms were employed in the classification of cells, resulting in faster and more precise categorization of cell images under a microscope. Furthermore, data obtained from patient surveys were analyzed and incorporated into the results. As the use of artificial intelligence technologies in the field of medicine continues to increase, this study can serve as a model for similar research endeavors. Additionally, the importance of using artificial intelligence algorithms in the rapid and accurate interpretation of blood analysis results has been underscored. Note:“NEVASOFT”is assumed to be the name of the artificial intelligence-supported software mentioned in the text.
Benzer Tezler
- Endoskopik ultrason görüntülerinde kronik pankreatit ve pankreas kanserinin yaşa göre bilgisayar destekli teşhisi
Age-based computer-aided detection of chronic pancreatitis and pancreatic cancer on endoscopic ultrasonography images
MURAT ÖZKAN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT ÇAKIROĞLU
- 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
- MR görüntülerinde MS hastalığının teşhisine yeni bir yaklaşım
A new approach to the diagnosis of MS disease in MR images
BURAK YILMAZ
Doktora
Türkçe
2017
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AKİF DURDU
- Görüntü işleme teknikleri ile gelişimsel kalça displazisi teşhisi
Diagnosis of developmental hip dysplasia with image processing
KERİM KÜRŞAT ÇEVİK
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HASAN ERDİNÇ KOÇER
- Classification of knee osteoarthritis severity using deep learning with fully supervised and semi-supervised-based approaches
Derin öğrenme ile tamamen denetimli ve yarı-denetimli yaklaşım tabanlı diz osteoartrit şiddetinin sınıflandırılması
İLKNUR AKTEMUR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKAY ÖKSÜZ