Geri Dön

Dalgacık dönüşümü ve derin öğrenme tabanlı yöntemler kullanarak beyin tümörlerinin sınıflandırılması

Classification of brain tumors using wavelet transform and deep learning-based methods

  1. Tez No: 837183
  2. Yazar: ZİHNİ KAYA
  3. Danışmanlar: PROF. DR. ZAFER ASLAN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Aydın Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 85

Özet

Dünya Sağlık Örgütü (DSÖ) raporlarına göre beyin tümörleri nedeniyle meydana gelen ölümlerin sayısı her geçen gün artmaktadır. Kötü huylu beyin tümörleri çok hızlı bir biçimde büyürler ve yayılırlar. Bu nedenle hastalığın erken teşhisi hayati bir önem taşımaktadır. Beyin tümörlerinin tanı ve teşhisinde Manyetik Rezonans Görüntüleme (MRG) yöntemi yaygın olarak kullanılmaktadır. Uzmanlar tarafından MRG görüntüleri incelenerek tümörün türü tespit edilmektedir. Fakat, uzmanlar tarafından manuel olarak yapılan tümör sınıflandırması çok fazla zaman alabilir hem de yanlış kararlar verilmesine yol açabilir. Bu nedenle, beyin tümörlerini otomatik olarak sınıflandırma çalışmaları önemli bir araştırma konusu haline gelmiştir. Bu tez çalışmasında beyin MRG görüntülerinden tümör türlerini otomatik olarak sınıflandıran bir yöntem önerilmiştir. Ön işlem aşamasında; öznitelik çıkartmak, boyut azaltmak ve gürültü gibi istenmeyen verileri ortandan kaldırmak için beyin MRG görüntülerine Ayrık Dalgacık Dönüşümü (ADD) uygulanmıştır. Elde edilen dalgacık öznitelikleri önceden eğitilmiş Evrişimli Sinir Ağı (ESA) modellerinden Inception V3 ağının girdisi olarak kullanılmıştır. Deneysel çalışmalar; 1621 gliyom, 1645 menenjiyom, 1757 hipofiz bezi ve 2000 normal beyin MRG görüntüsünün bulunduğu veri seti üzerinde yapılmıştır. Önerilen modelin doğruluğunu ölçmek için 5 kat çapraz doğrulama yöntemi uygulanmış ve ortalama %99,58 doğruluk başarımı elde edilmiştir. Bu tez çalışmasından elde edilen sonuçlar derin öğrenme tabanlı yöntemler kullanılarak beyin tümörlerinin başarılı bir şekilde sınıflandırılabileceğini göstermiştir.

Özet (Çeviri)

According to the World Health Organization (WHO) reports, the number of deaths due to brain tumors is increasing day by day. Malignant brain tumors grow and spread very quickly. Therefore, early diagnosis of the disease is of vital importance. Magnetic Resonance Imaging (MRI) method is widely used in the diagnosis and diagnosis of brain tumors. The type of tumor is determined by examining MRI images by specialists. However, manual tumor classification by experts can take too much time and lead to wrong decisions. Therefore, studies to automatically classify brain tumors have become an important research topic. In this thesis, a method that automatically classifies tumor types from brain MRI images is proposed. In the pre-processing stage; Discrete Wavelet Transform (DWT) has been applied to brain MRI images for feature extraction, size reduction, and elimination of unwanted data such as noise. Obtained wavelet features are used as input of Inception V3 network, which is one of the pre-trained Convolutional Neural Network (CNN) models. Experimental studies were performed on the dataset of 1621 glioma, 1645 meningioma, 1757 pituitary gland and 2000 normal brain MRI images. To measure the accuracy of the proposed model, the 5-fold cross-validation method was applied and an average accuracy of 99.58% was achieved. The results obtained from this thesis study showed that brain tumors can be successfully classified using deep learning-based methods.

Benzer Tezler

  1. Diagnosis of brain cancer and contour normal tissue for radiation therapy based on deep learning methods

    Derin öğrenme yöntemleriyle radyoterapi için beyin kanseri tanisi ve normal doku ayrimi

    NAVID HALILI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Ana Bilim Dalı

    PROF. DR. MUSTAFA DOĞAN

  2. EEG işaretlerinden epilepsi türlerinin sınıflandırılmasında skalogram tabanlı derin öğrenme yaklaşımı

    Scalogram based deep learning approach for classification of epilepsy types from EEG signals

    ÖMER TÜRK

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET SİRAÇ ÖZERDEM

  3. Spektral ve Faz Tabanlı Özniteliklerle Çok Sınıflı Motor Hayali EEG Sinyallerinin Sınıflandırılması

    Classification of multi-class motor imaginary eeg signals with spectral and phase-based features

    OSMAN ÇETİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiKütahya Dumlupınar Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA TOSUN

  4. Boyut arttırma yöntemleri kullanılarak eeg sinyallerinden derin öğrenme tabanlı şizofren durum tespiti

    Deep learning based schizophrenia status determination from eeg signals using dimension augmentation methods

    ZÜLFİKAR ASLAN

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET AKIN

  5. Emotion aware artificial intelligence for cognitive systems

    Bilişsel sistemler için duygu farkındalıklı yapay zeka

    DEĞER AYATA

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

    PROF. DR. MUSTAFA ERSEL KAMAŞAK