Classification of chagas disease using deep learning
Derin öğrenme kullanılarak chagas hastalığının sınıflandırılması
- Tez No: 840991
- Danışmanlar: DR. ÖĞR. ÜYESİ ARİFE AYSUN KARAASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Bu tez, önde gelen bir sağlık sorunu olan Chagas hastalığının teşhisini amaçlayan çağdaş modellerin kapsamlı bir incelemesidir. Araştırmamız birden fazla modele yayıldı ve en verimli olanı belirlemek için her birini titizlikle test etti. Üçüncü bölümde ayrıntıları verilen göze çarpan mimari“Res2Net”modelidir. Eldeki görev için özel olarak tasarlanan bu cihaz, kan yayması görüntü sınıflandırması için özel olarak tasarlanmış derin öğrenme mimarisine sahiptir ve geleneksel transfer öğrenme yaklaşımını gereksiz kılar. Başarısı, hem doğrulama hem de test veri kümelerinde sırasıyla %95,87 ve %95,89 puan alarak elde ettiği övgüye değer doğruluk oranlarında açıkça görülüyor. Ayrıca derin öğrenme ve geleneksel makine öğrenme tekniklerini entegre ederek Chagas veri kümesinde dikkate değer performans sergileyen hibrit mimariler önerdik. Bu çalışmanın dördüncü bölümü Chagas parazitinin kan yayma görsellerinden sınıflandırılmasına odaklanmaktadır. Sadece köklü sınıflandırma yapılarını incelemekle kalmadık, aynı zamanda tamamen evrişimli bir sinir ağı modelini de tanıttık. Bu benzersiz model, daha önce fark edilen özelliklerin kullanılmasına olanak tanıyan artık bağlantıları içerir.
Özet (Çeviri)
This thesis is a comprehensive exploration of contemporary models aimed at diagnosing Chagas disease, a predominant health concern. Our research spanned across multiple models, rigorously testing each one to discern the most efficient. A standout architecture, detailed in the third section, is the“Res2Net”model. Specifically designed for the task at hand, it boasts of a deep learning architecture that is tailored for blood smear image classification, making the traditional transfer learning approach redundant. Its prowess is evident in the laudable accuracy rates it secured on both validation and test datasets, scoring 95.87% and 95.89% respectively. Furthermore, by integrating deep learning and traditional machine learning techniques, we suggested hybrid architectures that demonstrated notable performance on the Chagas dataset. The fourth segment of this work focuses on the classification of the Chagas parasite from blood smear visuals. We not only examined well-established classification structures but also introduced a fully convolutional neural network model. This unique model incorporates residual connections, enabling the leveraging of previously discerned features.
Benzer Tezler
- Deep learning and machine learning methods to classify and segment the chagas disease
Chagas hastalığının sınıflandırılması ve bölümlenmesi için derin öğrenme ve makine öğrenme yöntemleri
PREET KUMAR
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LAVDİE RADA ÜLGEN
- Image processing and machine learning techniques for Chagas disease identification and segmentation
Görüntü işleme ve makine öğrenimi teknikleri, Chagas hastalığı tanı ve segmentasyonu için
MUKARRAM SALAH BASHIER ABDULMAWJOOD
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. LAVDİE RADA ÜLGEN
- Cannabis sativa L. bitkisinin morfolojisi ve anatomisi üzerine bir araştırma
A study on the morphology and anatomy of Cannabis sativa L.
SERKAN GÖNEN
- Classification of printed characters with nevral networks
Başlık çevirisi yok
IŞIL İNKAYA
Yüksek Lisans
İngilizce
1999
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA GÜNDÜZALP
- Afşin-Elbistan linyitlerinin sınıflandırılarak termik santralin performansı üzerindeki etkilerinin araştırılması
Classification of the Afşin-Elbistan lignites and determination of the effect of its on the power station
SUPHİ URAL
Doktora
Türkçe
1999
Maden Mühendisliği ve MadencilikÇukurova ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET HAKAN ONUR