Geri Dön

An efficient application based on deep learning techniques for brain MRI recognition

Başlık çevirisi mevcut değil.

  1. Tez No: 844670
  2. Yazar: ABDULLAH IBRAHIM ABDULLAH
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MERVE BULUT YILGÖR
  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: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 61

Özet

Kötü huylu kanserler, kaynaklandığı yerden yayılabilir ve beyin tümörlerine neden olabilir. Kanser hastalarının %40'ından fazlasında beyin metastazı gelişmiştir. Şu anda primer beyin tümörleri ile aynı oranda görülmektedir. Manyetik Rezonans Görüntüleme (M.R.I.), beyin tümörlerini teşhis etmek için en yaygın kullanılan tıbbi görüntüleme tekniklerinden biridir. Bu çalışma, beyin tümörü tespiti için derin öğrenmeye dayalı yeni bir hibrit uygulama geliştirdi. Geliştirilen çalışmada, Evrişimsel Sinir Ağı (CNN) M.R.I.'a uygulanarak öznitelik katsayıları çıkarılmıştır. Görüntüler. Ardından, bir otomatik kodlayıcı kullanılarak elde edilen özellik vektörlerinin en anlamlısı seçilir. Böylece öznitelik vektörü boyutu küçültülmüştür. Daha sonra SoftMax ile sınıflandırma yapılır. Bu geliştirilen algoritma, rastgele çapraz doğrulama kullanarak %96,7 doğruluk oranı elde etmiştir.

Özet (Çeviri)

Malignant cancers can spread from where they originated and cause brain tumors. More than 40% of cancer patients developed brain metastases. It is currently seen at the same rate as primary brain tumors. Magnetic Resonance Imaging (M.R.I.) is one of the most widely used medical imaging techniques to diagnose brain tumors. This study developed a new hybrid application based on deep learning for brain tumor detection. In the developed study, the feature coefficients are extracted by applying the Convolutional Neural Network (CNN) to the M.R.I. images. Then the most significant of the resulting feature vectors are selected using an auto- encoder. Thus, the feature vector size is reduced. Then classification is performed with SoftMax. This developed algorithm obtained a 96.7% accuracy rate using random cross-validation.

Benzer Tezler

  1. Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data

    Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları

    İSMAİL BİLGEN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  2. İmalat sistemlerinin tasarlanması ve öncelik kurallarının belirlenmesinde yapay sinir ağlarının kullanılması

    Başlık çevirisi yok

    TARIK ÇAKAR

    Doktora

    Türkçe

    Türkçe

    1997

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. AYHAN TORAMAN

  3. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  4. Derin öğrenme tabanlı süper çözünürlük teknikleri kullanarak JPEG sıkıştırma kaybının iyileştirilmesi

    Recovering JPEG compression loss via deep learning-based super resolution techniques

    MUHAMMET BOLAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. LÜTFİYE DURAK ATA

    DR. NURULLAH ÇALIK

  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