Geri Dön

Malaria parasite detection using deep learning algorithms

Başlık çevirisi mevcut değil.

  1. Tez No: 826449
  2. Yazar: MUQDAD HANOON DAWOOD ALNUSSAIRI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIMI
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  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: 69

Özet

robotik, NLP, görüntü tanıma, yapay zeka gibi birbirinden tamamen farklı alanlardaki en şaşırtıcı başarılar, otomatikleştirilmiş bir öğrenme tekniği olan derin öğrenmenin sonucudur. Derin öğrenmenin temel faydalarından biri, makine öğreniminin aksine modelin yalnızca bir kez eğitilmesi ve öğretilmesinin gerekmesidir. Makine öğreniminde eğitim ve öğretim, girdi değiştiğinde yeniden yapılmalıdır. Mikroskop altında kırmızı kan hücresi (RBC) incelemesi, dünya çapında milyonlarca insanı etkileyen sıtmayı tespit etmek için standart yöntemdir. Manuel mikroskobik sıtma teşhisi, zaman kısıtlamaları ve uzmanlık eksikliği nedeniyle zordur. Eğitim ve öğretime yönelik veri odaklı bir yaklaşım kullanarak, bir fotoğraftaki kişinin sıtmadan muzdarip olup olmadığını değerlendirebiliyoruz. Bu önerilen sistem tıp öğrencilerine, doktorlara ve diğerlerine sıtmayı teşhis etmede yardımcı olur. Giemsa lekeli yaymaların kandaki sıtmaya neden olanlar gibi parazitleri tespit etmesinin bir yolu üzerinde çalışıyoruz. Örnek boyutu küçük olduğunda, derin öğrenme algoritmaları düşük performans gösterir. Transfer öğrenme, büyük genel veri setlerinden görsel özellikler elde etmek ve bu probleme özgü sınıflandırma problemlerini çözmek için probleme özgü sınırlı veri setlerini kullanmak anlamına gelir. Bu çalışmada, sıtma parazitlerini bulmak ve sıralamak için transfer öğrenmeyi kullanıyoruz. yaygın olarak kullanılan önceden eğitilmiş üç CNN modeli kullanıyoruz: VGG19, ResNet50 ve MobileNetV2. Tüm deneysel değerlendirmelerde NIH Sıtma Veri Seti kullanılmış ve algoritmanın sıtmayı tespit etmede %100 doğru olduğu görülmüştür.

Özet (Çeviri)

the most astounding achievements in domains as disparate as robotics, NLP, image recognition, AI, and so on are the result of deep learning, an automated learning technique. one of the main benefits of deep learning is that the model only needs to be trained and taught once, in contrast to machine learning. Training and teaching in machine learning must be redone whenever the input changes. Red blood cell (RBC) examination under a microscope is the standard method for detecting malaria, which affects millions of people worldwide. Manual microscopic malaria diagnosis is difficult due to time restrictions and a lack of expertise. Using a data-driven approach to education and training, we are able to assess whether or not a person in a photograph is suffering from malaria. This proposed system aids medical students, physicians, and others in diagnosing malaria. we are working on a way for Giemsa-stained smears to detect parasites in the blood, such as those that cause malaria. When the sample size is small, deep learning algorithms perform poorly. Transfer learning means getting visual features from large general datasets and using limited problem-specific datasets to solve classification problems that are specific to that problem. in this study, we use transfer learning to find and sort malaria parasites. we employ three commonly used pre-trained CNN models: VGG19, ResNet50, and MobileNetV2. the NIH Malaria Dataset is used in all experimental evaluations, and the algorithm is found to be 100% accurate in detecting malaria.

Benzer Tezler

  1. Plasmodium vivax tanısında kalın damla ile immünokromatografik yöntemin karşılaştırılması

    The comparison of the immünochromatographic method with thick blood examination for diagnosis of plasmodium vivax malaria

    İBRAHİM KOCAÇİFTÇİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2007

    ParazitolojiÇukurova Üniversitesi

    Parazitoloji Ana Bilim Dalı

    DOÇ.DR. İ. SONER KOLTAŞ

  2. Bazı antimikrobiyal peptidlerin plasmodium falciparum'a karşı etkinliğinin in vitro olarak saptanması

    Detection of the in vitro activity of some antimicrobial peptides against plasmodium falciparum

    EMRAH RUH

    Doktora

    Türkçe

    Türkçe

    2012

    MikrobiyolojiHacettepe Üniversitesi

    Tıbbi Mikrobiyoloji Ana Bilim Dalı

    PROF. DR. SİBEL ERGÜVEN

  3. Evaluation of parasite proteins in diagnosis

    Parazit proteinlerinin tanıda kullanımı

    TUĞBA GÜL İNCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    BiyomühendislikYıldız Teknik Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    PROF. DR. DİLEK BALIK

  4. Şanlıurfa bölgesinde görülen sıtma olgularının nested PCR yöntemi ile tür tayini ve PCR-RFLP ile plasmodium vivax alt tür tayini

    Determination the species of plasmodium in malaria cases seen in Şanliurfa region by nested PCR and determination the sub-species of plasmodium vivax by PCR-RFLP

    NEBİYE YENTÜR DONİ

    Doktora

    Türkçe

    Türkçe

    2012

    MikrobiyolojiFırat Üniversitesi

    Tıbbi Mikrobiyoloji Ana Bilim Dalı

    PROF. DR. ADNAN SEYREK

  5. Kan donörlerinde plasmodium vivax ve plasmodium falciparum araştırılması

    Detection of plasmodium vivax and plasmodium falciparum in blood donors

    HACER ÖZTÜRK AKIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    Mikrobiyolojiİstanbul Üniversitesi

    Mikrobiyoloji ve Klinik Mikrobiyoloji Ana Bilim Dalı

    DOÇ.DR. YAŞAR ALİ ÖNER