Geri Dön

Beyin MR görüntülerindeki tümörlerin sınıflandırılmasında farklı derin öğrenme ve görüntü işleme yöntemlerinin performanslarının incelenmesi

Investigation of performance of different deep learning and image processing methods in classification of tumors in brain MR images

  1. Tez No: 849541
  2. Yazar: ÇETİN ERÇELİK
  3. Danışmanlar: DOÇ. DR. KAZIM HANBAY
  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: 2024
  8. Dil: Türkçe
  9. Üniversite: İnönü Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 53

Özet

Beyin tümörü, kafatası içindeki hücrelerin yenilenmesi sırasında meydana gelen kopyalama hataları nedeniyle oluşan anormal kitle büyümesini ifade eder. Maalesef, beyin tümörleri nedeniyle kaybedilen insan sayısı her geçen gün artmaktadır. Bu trajik kayıpları azaltmak için hastalığın tedavi planlaması ve sonuç değerlendirmesinde erken teşhis hayati bir rol oynamaktadır. Beyin tümörlerini teşhis etmek için en yaygın kullanılan yöntemlerden biri manyetik rezonans (MR) görüntüleme yöntemidir. Ancak, beyin yapısının ve iç dokularının karmaşıklığı nedeniyle geleneksel yöntemlerle MR görüntülerini kullanarak beyin tümörlerini sınıflandırmak zorlu bir görevdir. Son yıllarda, derin öğrenme mimarileri beyin tümörü sınıflandırmasında popülerlik kazanmış ve yüksek doğruluk oranları elde etmiştir. Bu çalışma, VGG16, VGG19 ve MobileNet gibi farklı derin öğrenme mimarilerini karşılaştırarak en yüksek doğruluk oranına sahip olanın belirlenmesini amaçlamaktadır. Bu mimarilerin başarısını artırmak için görüntülere histogram eşitleme, Gauss filtreleme gibi görüntü işleme yöntemleri uygulanmıştır. Kullanılan iki farklı dataset üç farklı beyin tümörü sınıfını (glioma, meningioma, pituitary) ve tümörsüz görüntüleri içeren MR görüntülerinden oluşmaktadır. Geliştirilen yöntemler güncel derin öğrenme teknikleri ve farklı performans metrikleri kullanılarak karşılaştırılmıştır. Deneysel sonuçlar, geliştirilen yöntemlerin etkin sonuçlar elde ettiğini göstermektedir.

Özet (Çeviri)

Brain tumor refers to abnormal mass growth that occurs due to copying errors that occur during the renewal of cells within the skull. Unfortunately, the number of people dying due to brain tumors is increasing day by day. To reduce these tragic losses, early diagnosis plays a vital role in treatment planning and outcome evaluation of the disease. One of the most commonly used methods to diagnose brain tumors is magnetic resonance (MR) imaging. However, classifying brain tumors using MR images using traditional methods is a challenging task due to the complexity of the brain structure and internal tissues. In recent years, deep learning architectures have gained popularity and achieved high accuracy rates in brain tumor classification. This study aims to determine the one with the highest accuracy by comparing different deep learning architectures such as VGG16, VGG19 and MobileNet. To increase the success of these architectures, image processing methods such as histogram equalization and Gaussian filtering have been applied to the images. The two different datasets used consist of MR images containing three brain tumor classes (glioma, meningioma, pituitary) and non-tumor images. The developed methods were compared using current deep learning techniques and different performance metrics. Experimental results show that the developed methods achieve effective results.

Benzer Tezler

  1. Beyin MR görüntülerinin görüntü işleme teknikleri kullanılarak sınıflandırılması

    Classification of brain mr images using image processingtechniques

    ERCÜMENT GÜVENÇ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEVLÜT ERSOY

    DOÇ. DR. GÜRCAN ÇETİN

  2. Detection of cancerous brain cells with machine learning

    Makine öğrenimi ile kanserli beyin hücrelerinin tespiti

    UYGAR CANKAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TANER DANIŞMAN

  3. Beyin mr görüntülerini sınıflandırarak yapay sinir ağları kullanarak beyin tümörü tespiti

    Brain tumor detection using neural networks by classifying brain mri images

    AHMED M A ABUSAMRA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUAMMER AKÇAY

  4. Derin öğrenme yöntemleri kullanarak beyin tümörü teşhisi ve sınıflandırması

    Brain tumor diagnosis and classification using deep learning methods

    ABDULLAH SAKIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MAHMUT HEKİM

  5. Evrişimsel sinir ağı ve görü dönüştürücü mimarileri kullanılarak MR görüntülerinde beyin tümörlerinin otomatik sınıflandırılması

    Automatic classification of brain tumors in MR images using convolutional neural network and vision transformer architectures

    ÖMER MİRAÇ KÖKÇAM

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED EMRE ÇOLAK