Geri Dön

Evrişimli sinir ağları (ESA) ile beyin tümörü tespiti

Brain tumor detection with convolutional neural networks (CNN)

  1. Tez No: 840945
  2. Yazar: ALİ GÜLSOY
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ŞERİFE ESRA DİNÇER, DR. ÇİĞDEM GÜNDOĞAN TÜRKER
  4. Tez Türü: Yüksek Lisans
  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 Gedik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 110

Özet

Beyin tümörü beyindeki hücrelerin anormal sayıda çoğalmasıdır. Beyin tümörü tespitinde görüntüleme teknikleri arasında gösterilen Manyetik Rezonans (MR) başvurulan en iyi yöntemdir. Beyin tümörlerinin erken, hızlı ve doğru teşhis edilmesi tedavi sürecindeki en önemli etkenler arasındadır. Son yıllarda tedavi sürecinin başlangıcı olan teşhis aşamasında yardımcı olabilmek amacıyla sağlık alanında yapay zekâ uygulamaları kullanılmaya başlanmıştır. Bu uygulamalarda kullanılan derin öğrenme tekniklerinden biri olan Evrişimli Sinir Ağları (ESA) ve MR görüntüleri ile sınıflandırma işleminde yaygın olarak kullanılmaktadır. Sunulan tez çalışmasında beyin tümörlerinin sınıflandırılması için Evrişimli Sinir Ağları arasında gösterilen VGG 16, VGG 19 ve ResNet152V2 modelleri kullanılmıştır. Sınıflandırmada beyin tümörü türleri; glioma, meningioma, pituitary (beyin tümörü türleri) ve tümörsüz veri setleri olarak 4 sınıfa ayrılmıştır. Yapılan çalışmanın performansını değerlendirmek için doğruluk, kesinlik, hassasiyet ve F1 skoru (kesinlik ve hassasiyet değerlerinin harmonik ortalaması) değerlendirilmiştir. Çalışılan yöntem Evrişimli Sinir Ağları modeli ile beyin tümörlerinin daha etkin ve hızlı tespiti amaçlanmıştır.

Özet (Çeviri)

A brain tumor is an abnormal proliferation of cells in the brain. Magnetic Resonance Imaging (MRI) is the best method used to detect brain tumors. Early, fast and accurate diagnosis of brain tumors is among the most important factors in the treatment process. In recent years, artificial intelligence applications have started to be used in the field of health in order to help in the diagnosis phase, which is the beginning of the treatment process. Convolutional Neural Networks (DNN), one of the deep learning techniques used in these applications, are widely used in the classification process with MRI images. In this thesis, VGG 16, VGG 19 and ResNet152V2 models, which are among the Convolutional Neural Networks, were used to classify brain tumors. In classification, brain tumor types are divided into 4 classes as glioma, meningioma, pituitary (brain tumor types) and tumor-free data sets. Accuracy, precision, sensitivity and F1 score (harmonic mean of precision and sensitivity values) were evaluated to assess the performance of the study. The studied method aims to detect brain tumors more effectively and faster with the Convolutional Neural Network model.

Benzer Tezler

  1. A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  2. Beyin tümörlerinin derin öğrenme yaklaşımlarıyla tespiti

    Detecting brain tumors using deep learning approaches

    MEHMET ALİ ATICI

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞEREF SAĞIROĞLU

  3. Convolutional neural network based brain MRI segmentation

    Evrişimli sinir ağları tabanlı beyin MRI bölütlemesi

    BORA BAYDAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖZDE AKAR

  4. Derin öğrenme yöntemlerine dayalı beyin görüntülerinin analizi ile Alzheimer hastalık sınıflandırması

    Alzheimer's disease classification by analysis of brain images based on deep learning methods

    SÜMEYYE ÜNLÜLEBLEBİCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CELAL ÖZTÜRK

  5. Hibrit yapay sinir ağları yöntemleri ile nörögörüntüleme verilerine dayalı otizm tanılama

    Autism diagnosis based on neuroimaging data with hybrid neural network techniques

    EMEL KOÇ

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SEMİH BİLGEN