Geri Dön

An assessment of the efficacy of deep learning and machine learning methods in automatically detecting paediatric pneumonia in chest x-ray images

Göğüs röntgeni görüntülerinde çocuk pnömonisinin otomatik olarak tespitinde derin öğrenme ve makine öğrenme yöntemlerinin etkinliğinin değerlendirilmesi

PDF İndir

  1. Tez No: 846511
  2. Yazar: HUSSEİN ABD ALİ HATİF ALSAADI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Medical Image, Pediatric Pneumonia, Resnet50-CNN, CNN-Extratrees, Convolutional Neural Network, Long Short-Term Memory
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

sonra

Özet (Çeviri)

Accurate identification and classification of images of patients with pneumonia is vital for effective diagnosis and treatment. Advanced learning techniques such as CNN LSTM (Convolutional Neural Network Long Short-Term Memory) have proven 97% accuracy on this task. A labeled dataset of 5,856 images of pediatric pneumonia patients from Kaggle was used to evaluate these models. The dataset was divided into training (70%), testing (15%), and validation (15%) sets. It is worth noting that the ResNet 50 -CNN model and the CNN-ExtraTrees model achieved an accuracy rate of 98% and 94%, respectively. These models provide resources for clinicians and radiologists in their decision-making processes. Extracting features from images plays a role in pattern prediction using the optimizer as part of the modeling process. To improve performance, modifications were made to the RMSprop parameters. Model performance evaluation included metrics such as recall, precision, F1 score, and overall accuracy evaluation. These measures provide insight into the effectiveness of models while also serving as reference points for investigations. The exceptional accuracy rates achieved by these models confirm their ability to accurately classify patients with pneumonia, which has implications for improving patient outcomes. The evaluation criteria used in this research provide an examination of the advantages and limitations of models that highlights the importance of incorporating these metrics to ensure accurate performance in scenarios.

Benzer Tezler

  1. Tez No

    1018893

    Hava hedeflerinin yüksek çözünürlüklü menzil profili verilerinden makina/derin öğrenme yöntemleri ile sınıflandırılması

    Classification of aerial targets from high resolution range profile data using deep/machine learning methods

    SEDAT TÜRE

    Doktora

    Türkçe

    Türkçe

    2026

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. SELÇUK PAKER

  2. Tez No

    849805

    Emotion recognition using deep learning focusing on the hand and facial expressions

    El ve yüz ifadelerine odaklanan derin oğrenmeyi kullanarak duygu tanıma

    HASANAIN JAWAD RADEEF

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YILMAZ AR

  3. Tez No

    1006334

    A novel two-tier machine learning framework for adversarial phishing detection

    Düşmanca kimlik avı saldırılarını tespit etmek içın yeni bir iki aşamalı makine öğrenme çerçevesi

    SARMAD KADIM RASHED RASHED

    Doktora

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CANER ÖZCAN

  4. Tez No

    918729

    Açık uçlu soruların yapay zeka destekli otomatik değerlendirilmesi ve kullanıcı deneyimleri

    Open-ended questions' automatic evaluation with artificial intelligence, and user experiences

    ABDULKADİR KARA

    Doktora

    Türkçe

    Türkçe

    2025

    Eğitim ve ÖğretimAtatürk Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Ana Bilim Dalı

    DOÇ. DR. SERKAN YILDIRIM

  5. Tez No

    883737

    Heart disease prediction project

    Kalp hastalıklarını önleme projesi

    RUBA AYAD YOUSIF AL-SAMMARRAIE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAKAN KOYUNCU

Geri Dön