Derin öğrenmeye dayalı kulak zarı otoskop görüntüleri için tanısal bağımsız bir mobil uygulamanın geliştirilmesi, test edilmesi ve fizibilitesi
Development, testing and feasibility of a diagnostically independent mobile application for eardrum otoscope images based on deep learning
- Tez No: 811262
- Danışmanlar: PROF. DR. MURAT EKİNCİ, DOÇ. DR. ZAFER CÖMERT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Görüntü sınıflandırma, Image classification
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kulak hastalıkları günlük hayatımızı olumsuz etkileyen sağlık problemleridir. Bu hastalıkların tanısı uzmanlar tarafından otoskop cihazı kullanılarak gözlem ile koyulmaktadır ve bu tanı sisteminin doğruluğu uzman bilgisine bağlıdır. Bu çalışma kapsamında kulak hastalık tanılarının derin öğrenme modelleri kullanılarak koyulması araştırılmıştır. Yapılan çalışmada Ear Imagery ve Tympanic membrane veri setleri kullanılmıştır. Ayrıca bu iki veri seti birleştirilerek ayrı bir veri seti oluşturulmuştur. Kullanılan veri setleri eğitim, doğrulama ve test işlemleri için sırasıyla %70, %10 ve %20 olarak ayrılmıştır. Derin öğrenme modeli olarak ResNet50, InceptionV3, InceptionResNetV2 ve Xception modelleri seçilmiştir. Ayrıca DenseNet201, EfficientNetB5 ve InceptionResNetV2 özellik çıkarıcı modeller ile BiLSTM ve ConvBiLSTM sınıflandırıcı modellerden hibrit modeller oluşturulmuştur. Çalışma kapsamında sınıflandırma başarısına etkiyi araştırmak için sıfırdan eğitim, öğrenme aktarımı, HSV ve LUV renk uzayları kullanılmıştır. Yapılan çalışma sonucunda en yüksek doğruluk başarısı DenseNet201-BiLSTM ve ResNet50 modellerinden elde edilmiştir.
Özet (Çeviri)
Ear diseases are health problems that negatively affect our daily lives. These diseases are diagnosed by experts through observation using an otoscope device and the accuracy of this diagnosis system depends on expert knowledge. This study investigates the diagnosis of ear diseases using deep learning models. Ear Imagery and Tympanic membrane datasets were used in this study. In addition, a separate dataset was created by combining these two datasets. The datasets used were divided into 70%, 10% and 20% for training, validation and testing respectively. ResNet50, InceptionV3, InceptionResNetV2 and Xception models were selected as deep learning models. In addition, hybrid models were created from DenseNet201, EfficientNetB5 and InceptionResNetV2 feature extractor models and BiLSTM and ConvBiLSTM classifier models. Within the scope of the study, zero training, learning transfer, HSV and LUV color spaces were used to investigate the effect on classification success. As a result of the study, the highest accuracy was obtained from DenseNet201-BiLSTM and ResNet50 models.
Benzer Tezler
- Tek mikrofon dizisi ile yapay zeka destekli silah sesi konumlama yöntemi
A single microphone array-based ai-assisted gunshot sound localization method
KAZIM ZENGİN
- Derin öğrenme yöntemi ile köpek davranışlarının analizi ve sınıflandırılması
Analysis and classification of dog behaviours using deep learning
RUKİYE POLATTİMUR
Yüksek Lisans
Türkçe
2019
Bilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Yükleniyor...
- New perspectives for introducing and developing reading skil is in E. L. T. for the lise I students at state high schools
Başlık çevirisi yok
SEVİNÇ TÜTÜNCÜ
- Aiding agricultural practices with the exploration of earth observation data via machine learning
Yer gözlem uydu verilerinin tarımsal uygulamalara yardımcı olmak amacıya makine öğrenme algoritmaları ile incelenmesi
MEHMET FURKAN ÇELİK
