Çekişmeli üretici ağ tabanlı veri artırımı ile derin öğrenme tabanlı tıbbi teşhis
Deep learning based medical diagnostics with generative adversarial network based data augmentation
- Tez No: 847615
- Danışmanlar: PROF. DR. AYTUĞ ONAN, DOÇ. DR. VAHİDE BULUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 130
Özet
Günümüzde kullanım alanı oldukça artmaya başlayan derin öğrenme temelli sınıflandırma ve segmentasyon modelleri, Covid-19 salgının ardından tıbbi alanda da yoğunluğunu artırmış olup, çeşitli hastalıkların tespit edilmesinde aktif olarak kullanılmaya başlanmıştır. Temelinde makine öğrenimi ve derin öğrenme algoritmaları kullanan bu modeller özellikle görsel veri sınıflandırma alanında kullanılmaktadırlar. Bu amaçla eğitilen modellerin başarısı büyük ölçüde veri setinin niteliğine ve niceliğine bağlıdır. Tıbbi alanda veri setinin temini ve kullanımı, hasta gizliliğinin korunumu ve kişisel verilerin izinsiz kullanılamaması gibi kısıtlardan dolayı oldukça zordur. Bu zorluk, sentetik veri üretimi üzerine yapılan çalışmaları hızlandırmış ve çekişmeli üretici ağ (GAN) tabanlı mimarilerin gelişmesini sağlamıştır. Bu çalışmada çeşitli senaryolar ve veri setleri üzerinde GAN mimarileri ve klasik veri artırım yöntemleri ile veri artırımı ve sınıf dengesizliği problemi çözülerek karşılaştırmalı olarak incelenmiştir.
Özet (Çeviri)
In recent times, deep learning-based classification and segmentation models, whose usage has been increasing significantly, have also gained prominence in the medical field following the Covid-19 pandemic. These models are actively employed in the detection of various diseases, relying on machine learning and deep learning algorithms at their core. Particularly, they find application in the realm of visual data classification. The success of models trained for this purpose is largely dependent on the quality and quantity of the dataset. Acquiring and utilizing medical data poses significant challenges due to constraints such as the preservation of patient privacy and prevention of unauthorized use of personal data. The difficulty in handling medical data has accelerated research efforts in synthetic data generation, leading to the development of Generative Adversarial Network (GAN)-based architectures. This study investigates and compares GAN architectures and traditional data augmentation methods on various scenarios and datasets. The focus is on data augmentation and addressing the issue of class imbalance, aiming to provide insights into their effectiveness.
Benzer Tezler
- Çekişmeli üretici ağ tabanlı veri artırımı yaklaşımı ile otoskop görüntülerinden kulak zarı patolojilerinin tespiti
Detection of eardrum pathologies from otoscope images with generative adversarial network-based data augmentation approach
MUSTAFA FURKAN ESEOĞLU
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MİNE ELİF KARSLIGİL YAVUZ
- Derin öğrenme için yenilikçi düzgünleştirme yaklaşımlarının geliştirilmesi ve medikal görüntülere uygulanması
Development of new regularization approaches for deep learning and application to medical images
KAZIM FIRILDAK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMED FATİH TALU
DR. ÖĞR. ÜYESİ GAFFARİ ÇELİK
- A new and efficient method for synthetic data generation with generative adversarial networks
Çekişmeli üretici ağ kullanilarak sentetik data üretmede yeni ve verimli bir metod
OKAN DÜZYEL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KUNTALP
- Yapay zeka ve mimarlık etkileşimi üzerine bir çalışma:Üretken çekişmeli ağ algoritması ile otonom mimari plan üretimi ve değerlendirmesi
A study on interaction of artificial intelligence and architecture: Production and evaluation of architectural plans with generative adversarial networks
CAN UZUN
Doktora
Türkçe
2020
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MERYEM BİRGÜL ÇOLAKOĞLU
- Yapılandırılmış veri kümelerinin GAN ile artırılmasının makine öğrenmesi yöntemleri üzerindeki etkisinin analizi
Analysis of the impact of augmenting structured datasets with GAN on machine learning methods
AMEL SULAIMAN MANDAN SALIHI
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ