Leishmania parazitinin derin öğrenme tabanlı görüntü analizi ile tespiti
Detection of leishmania parasite by deep learning based image analysis
- Tez No: 812888
- Danışmanlar: DR. ÖĞR. ÜYESİ İLKER DALKIRAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
Tıbbi görüntülerin analizi ve hastalık teşhisi için uzmanlık bilgisi gerekmektedir. Günümüz teknolojilerinin gelişmesiyle birlikte bu tıbbi görüntülerin analizinde ve sınıflandırılmasında yapay zekâ, makine öğrenmesi ve makine öğrenmesinin bir alt dalı olan derin öğrenme yöntemleri yaygın olarak kullanılmaktadır. Mikroskop görüntülerinde bulunan mikroorganizma ve parazitlerin teşhisi ve sınıflandırılması derin öğrenme algoritmaları sayesinde daha kısa sürede ve daha az uzmanlık bilgisi ile yapılabilmektedir. Bu çalışmada leishmania görüntüleri parazitli ve parazitsiz olmak üzere iki sınıfa ayrılmıştır. Evrişimli sinir ağları (Convolutional Neural Networks, CNN) algoritması kullanılarak sınıflandırma için modeller oluşturulmuştur. CNN tabanlı modeller ADAM ve RMSProp optimize edicileri ve dropout kullanılarak eğitilmiştir. Geri çağırma, kesinlik, özgüllük, F1 skoru ve Matthew korelasyon katsayısı (Matthews Correlation Coefficient, MCC) skoru gibi performans ölçüm metrikleri kullanılarak modellerin performansları karşılaştırılmıştır. %91.30'luk başarı gösteren bir model elde edilmiştir.
Özet (Çeviri)
Expert knowledge is required for analysis of medical images and diagnosis of disease. With the development of today's technologies artificial intelligence, machine learning and deep learning which is a sub-branch of machine learning are widely used in the analysis and classification of these medical images. Diagnosis and classification of microorganisms and parasites in microscope images can be done in a shorter time and with less specialized knowledge thanks to deep learning algorithms. In this study, leishmania images were divided into two classes as parasitic and non-parasitic. Models were created for classification using the Convolutional Neural Networks (CNN) algorithm. CNN-based models are trained using ADAM and RMSProp optimizers and dropout. The performances of the models were compared using performance measurement metrics such as recall, precision, specificity, F1 score and MCC (Matthew correlation coefficient) score. A model with a success rate of 91.30% was obtained.
Benzer Tezler
- Leishmania RNA virüs pozitif ve negatif suşların transkriptomik analizi ile farklı ifade edilen genlerin değerlendirilmesi
Evaluation of differently expressed genes by transcriptomic analysis of Leishmania RNA virus positive and negative strains
MUHAMMED NALÇACI
Doktora
Türkçe
2024
ParazitolojiEge ÜniversitesiBiyoloji Ana Bilim Dalı
DOÇ. DR. AHMET MERMER
PROF. DR. SERAY TÖZ
- Kastamonu Belediyesi Hayvan Bakımevindeki köpeklerde Leishmaniasisin tespiti
Detection of Leishmaniasis in dogs in Kastamonu Municipality Animal Shelter
ERDİ CİVEK
Yüksek Lisans
Türkçe
2023
ParazitolojiÇankırı Karatekin ÜniversitesiVeterinerlik Parazitolojisi Ana Bilim Dalı
PROF. DR. ÖZCAN ÖZKAN
- Kala-azar'lı hasta serumlarında western blot analizi ile anti-leishmania antikor yanıtının değerlendirilmesi
Başlık çevirisi yok
NİLÜFER AKINCI DAYANGAÇ
- Antalya ilinde yaşayan köpeklerin Leishmaniasis yönünden araştırılması
Investigation of Leishmaniasis in dogs in Antalya province
EMRE YANIK
Yüksek Lisans
İngilizce
2017
Veteriner HekimliğiKırıkkale Üniversitesiİç Hastalıkları (Veterinerlik) Ana Bilim Dalı
DOÇ. DR. SERKAL GAZYAĞCI
- Kutanöz leishmaniasis şüpheli olgulardan leishmania parazitinin araştırılması
Investigation of leishmania parasity in suspected cases of cutanouse leishmaniasis
AYA ALSHEKISSA
Yüksek Lisans
Türkçe
2021
MikrobiyolojiMersin ÜniversitesiTıbbi Mikrobiyoloji Ana Bilim Dalı
PROF. DR. GÖNÜL ASLAN