Adaptif transfer öğrenme modeli geliştirerek hastalık teşhisi
Disease detection by developing an adaptive transfer learning model
- Tez No: 842140
- Danışmanlar: DOÇ. DR. CEM EMEKSİZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dünya genelinde her yıl zatürre hastalığından milyonlarca insan etkilenmekte ve ölümler yaşanmaktadır. Bu yüzden zatürre hastalığının erken teşhisi, tedavi süreci için hayati öneme sahiptir. Bu çalışmada hastalığın teşhisi için derin öğrenmeye dayalı web tabanlı bir tanı sistemi geliştirilmiştir. Bu amaçla MobileNetV2, ResNet50V2, ResNet152V2, VGG16 ve VGG19 derin öğrenme modelleri kullanılmıştır. İnce ayar stratejisi derin öğrenme modellerinin son katmanının hedef verilerine göre özelleştirilmesiyle uygulanmıştır. Modellerin daha iyi tahminleme yapabilmesi için çeşitli veri artırma yöntemleri kullanılarak görüntü sayısı artırılmıştır. Performans değerlendirmesi için doğruluk, kesinlik, F1 ve Auc-Roc skor parametreleri kullanılmıştır. Deneysel çalışmalarda MobileNetV2, ResNet50V2, ResNet152V2, VGG16 ve VGG19 modellerinin doğruluk yüzdeleri %84.4, %88.6, %88.5, %90, %87.8 iken özelleştirilmiş modellerin doğruluk değerleri sırasıyla %89.2, %92.3, %87.8, %91.5, %89.4'tür. Özgün modeller ile özelleştirişmiş modeller karşılaştırıldığında, özelleştirilmiş ResNet50V2 ve özelleştirilmiş VGG16 modelleri, modeller arasında %92,3 ve %91,5 doğrulukla daha yüksek performans sergiledi.
Özet (Çeviri)
Millions of people are affected and die from pneumonia every year around the world. Therefore, early diagnosis of pneumonia is vital for the treatment process. In this study, a web-based diagnosis based on deep learning for the diagnosis of the disease system has been developed. For this purpose, MobileNetV2, ResNet50V2, ResNet152V2, VGG16 and VGG19 deep learning models were used. The fine-tuning strategy was applied by customizing the last layers of deep network models based on the target data. In order for the models to make better predictions, the number of images was increased by using various data augmentation methods. The parameters of accuracy, precision, F1 and Auc-Roc score were used to evaluate the model performance. In experimental studies, the accuracy percentages of MobileNetV2, ResNet50V2, ResNet152V2, VGG16 and VGG19 models were 84.4%, 88.6%, 88.5%, 90%, 87.8%. The accuracy values of the customized models are 89.2%, 92.3%, 87.8%, 91.5%, 89.4%, respectively. When comparing the original models with customized models, the customized ResNet50V2 and customized VGG16 models, exhibited a higher performance with accuracy of %92.3 and %91.5 among the models.
Benzer Tezler
- Kontrol kutupları ile karakterize edilen proseslerde mikrobilgisayar ile adaptif kontrol
Adaptive controller with microcomputer
FÜSUN TUNALI
Doktora
Türkçe
1983
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. M. MÜNİR ÜLGÜR
- Kompozit, isosit ve silikat dolguların su emme ve çözülme özelliklerinin araştırılması
Başlık çevirisi yok
A.SAMİ ANBARCIOĞLU
- A Microprocessor based adaptive controller for hybrid solar and wind energy conversion systems
Başlık çevirisi yok
MELİH BURSLAN
Yüksek Lisans
İngilizce
1989
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiDOÇ. DR. MUAMMER ERMİŞ
- Adaptive equalization of the HF fading multipath channels by using a fractionally spaced decision feedback equalizer and a modified kalman channel tracking scheme
Başlık çevirisi yok
MURAT SALİH
Yüksek Lisans
İngilizce
1989
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiDOÇ. DR. YALÇIN TANIK
- Bilgisayar destekli PID kontrol
Başlık çevirisi yok
AHMET FEVZİ BABA
Yüksek Lisans
Türkçe
1989
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
DOÇ. DR. BURHANETTİN CAN
- Testing the performance of an adaptive control algorithm on a process
Başlık çevirisi yok
İRFAN BAŞTUĞ
Yüksek Lisans
İngilizce
1990
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERSİN TULUNAY