Geri Dön

Derin öğrenme yöntemi ile idrar sediment görüntülerindeki hücrelerin tespiti ve sınıflandırılması

Detection and classification of cells in urine sediment images with deep learning method

  1. Tez No: 831006
  2. Yazar: YUSUF AKBAŞ
  3. Danışmanlar: DOÇ. DR. İLHAN İLHAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Necmettin Erbakan Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 65

Özet

Günümüzde, doktorlar tarafından en sık istenilen testlerden biri de idrar testidir. Bunun en büyük nedenlerinden biri idrarın insan metabolizması hakkında birçok bilgiyi içermesidir. Diğeri ise örnek alımının oldukça kolay olmasıdır. Alınan örneklerin analizi için tam otomatik idrar analizörleri kullanılmaktadır. Fakat bu analizörlerin birçoğu sonradan öğrenme yeteneğine sahip değildir. Yani, daha önceden tanıtılmayan bir maddenin cihaza öğretilmesi zordur. Bu cihazlar analiz esnasında, genellikle, kenar ve renk tespiti gibi ilkel görüntü işleme algoritmalarını kullanırlar. Bu algoritmalar, hava kabarcığı gibi fiziksel nesnelerin ölçüme dahil edilmesine neden olurlar. Bu da testin doğruluğu açısından, laboratuvarda çalışan laborantlar için oldukça problemli bir durumun ortaya çıkmasına neden olur. Bu tez çalışmasında, yukarıda bahsedilen idrar analizörlerindeki problemlere derin öğrenme yöntemi ile çözüm bulunmaya çalışılmıştır. İkisi hazır biri ise idrar analiz cihazından olmak üzere üç farklı veri kümesi elde edilmiş ve bu veri kümeleri üzerinde birtakım deneyler uygulanmıştır. Bu deneyler sonucunda, eritrosit tespitinde %94, lökosit tespitinde ise %87 seviyelerine ulaşan bir doğruluk oranı elde edilmiştir. Böylece, insan idrarındaki partiküller YOLOv7-tiny derin öğrenme modeli kullanılarak başarıyla tespit edilmiştir.

Özet (Çeviri)

In today's world, one of the most requested tests by doctors is the urine test. One of the main reasons for this is that urine contains a wealth of information about human metabolism. Another reason is that urine sample collection is relatively easy. Fully automated urine analyzers are used for the analysis of the collected samples. However, many of these analyzers do not have the ability to learn retrospectively. In other words, it is difficult to teach the device about a substance that has not been previously introduced. During the analysis, these devices typically utilize primitive image processing algorithms such as edge and color detection. These algorithms can lead to the inclusion of physical objects such as air bubbles in the measurement. This poses a significant problem for laboratory technicians in terms of the accuracy of the test. In this thesis, the problems in urine analyzers mentioned above were tried to be solved by deep learning method. Three different datasets, two of which are ready and one from the urine analysis device, were obtained and some experiments were performed on these datasets. As a result of these experiments, an accuracy rate of 94% in erythrocyte detection and 87% in leukocyte detection was achieved. Thus, particles in human urine were successfully detected using the YOLOv7-tiny deep learning model.

Benzer Tezler

  1. Mikroskop altında idrardaki hücre görüntülerinin segmentasyonu ve sınıflandırılması

    Segmentation and classification of cell images in urine under microscope

    MERTER HAMİ KARACAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HASAN TEMURTAŞ

  2. A deep learning architecture for missing metabolite concentration prediction

    Eksik metabolit miktarı tahmini için bir derin öğrenme mimarisi

    SADİ ÇELİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ ÇAKMAK

  3. Artificial intelligence assisted drop pattern analysis and RNAseq profiling for early diagnosis and follow-up of bladder cancer

    Mesane kanserinin erken tanı ve takibinde yapay zeka destekli damla motif analizi ve RNAseq profilleme

    RAMİZ DEMİR

    Doktora

    İngilizce

    İngilizce

    2023

    Moleküler TıpKoç Üniversitesi

    Hücresel ve Moleküler Tıp Ana Bilim Dalı

    PROF. DR. DEVRİM GÖZÜAÇIK

  4. L'épuration de l'esprit réalisée par la tragédie au travers de la nécessité, la probabilité et la possibilité

    Zorunlu, olanaklı ve olasılık bakımından trajedinin ruhta katarsis meydana getirmesi

    GÜVENÇ RECAİ AYAR

    Yüksek Lisans

    Fransızca

    Fransızca

    2008

    FelsefeGalatasaray Üniversitesi

    Felsefe Ana Bilim Dalı

    YRD. DOÇ. DR. TARIK NECATİ ILGICIOĞLU

  5. Derin öğrenme yöntemi ile protein ikincil yapı tahmini

    Protein secondary structure prediction using deep learning method

    EZGİ ÇAKMAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İHSAN HAKAN SELVİ