Sayısal veri ve göğüs röntgen görüntülerinden derin öğrenme yaklaşımları ile pnömoni tespiti
Pneumonia detection with deep learning approaches from numerical data and chest X-ray images
- Tez No: 851012
- Danışmanlar: PROF. DR. HANİFİ GÜLDEMİR, PROF. DR. ABDURRAHMAN ŞENYİĞİT
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Elektrik Tesisleri Bilim Dalı
- Sayfa Sayısı: 115
Özet
Pnömoni, dünya çapında tüm yaş gruplarında yüksek morbidite ve mortaliteye sahip akciğer enfeksiyonudur. Pnömoniye bağlı ölümleri azaltmak ve iyileşme oranlarını artırmak için hastalığın erken evrelerde etkili bir şekilde tespit edilmesi çok önemlidir. Pnömoniyi tanımlamak için fizik muayene, laboratuvar testleri, klinik semptomlar ve çeşitli tıbbi görüntüleme yöntemleri gibi teknikler kullanılmaktadır. Diğer akciğer hastalıklarının pnömoniye benzer semptomlar göstermesi ve görüntüleme bulgularının spesifik olmaması nedeniyle pnömoni tanısının belirlenmesi zaman alıcı ve hataya açıktır. Hastalıkların erken teşhisinde uzmanlara yardımcı olmak için derin öğrenme tabanlı yöntemlerin benimsenmesi, pnömoni teşhisi de dahil tıbbi uygulamalarda doğru ve verimli tanı yöntemi olarak etkili sonuçlar elde etmektedir. Bu tez çalışmasının amacı derin öğrenme metotları kullanılarak sayısal veriler ve göğüs röntgen (CXR) görüntülerinden pnömoni hastalığını teşhis etmektir. 2000 kişiye ait (1000 pnömoni,1000 sağlıklı) demografik özellikler, semptomlar ve laboratuvar test sonuç bilgilerinden oluşturulan sayısal tıbbi veri kümesine makine öğrenimi ve derin öğrenme algoritmaları uygulanmıştır. Aynı kişilere ait CXR görüntüleri de derin öğrenme tabanlı yöntemlerle sınıflandırılmıştır. Sayısal verilerin ve CXR görüntülerinin sınıflandırma sonuçları karşılaştırılmıştır. Çalışmanın verileri Dicle Üniversitesi Tıp Fakültesi Göğüs Hastalıkları ve Tüberküloz kliniği ile yoğun bakım ünitesi ve göğüs polikliniğine başvuran hastaların dosyalarının retrospektif olarak taranmasıyla oluşturulmuştur. Bu çalışmanın amaçlarından biri de pahalı ekipman ve yüksek eğitimli klinisyen eksikliğinin olduğu yerlerde uzmanlara yardımcı olacak derin öğrenme tabanlı bilgisayar destekli otomatik tespit sistemiyle pnömoninin çok yönlü teşhisini geliştirmek ve iyileştirmektir. Bu tez çalışması kapsamında elde edilen sonuçlar diğer çalışmalarla karşılaştırıldığında önerilen yöntemlerin mevcut literatüre katkısı olduğu ve iyi performans gösterdiği tespit edilmiştir.
Özet (Çeviri)
Pneumonia is a lung infection with high morbidity and mortality in all age groups worldwide. Effective detection of the disease in the early stages is crucial to reduce pneumonia-related deaths and increase cure rates. Techniques such as physical examination, laboratory tests, clinical symptoms and various medical imaging methods are used to identify pneumonia. Because other lung diseases present similar symptoms to pneumonia and imaging findings are non-specific, the diagnosis of pneumonia is time-consuming and error-prone. The adoption of deep learning-based methods to assist experts in the early diagnosis of diseases is achieving effective results as an accurate and efficient diagnostic method in medical applications, including pneumonia diagnosis. The aim of this thesis is to diagnose pneumonia from numerical data and chest X-ray (CXR) images using deep learning methods. Machine learning and deep learning algorithms were applied to a numerical medical dataset of 2000 individuals (1000 pneumonia, 1000 healthy) with demographic characteristics, symptoms and laboratory test results. CXR images of the same individuals were also classified using deep learning-based methods. The classification results of the numerical data and CXR images were compared. The data of the study were collected by retrospectively reviewing the files of patients admitted to the Chest Diseases and Tuberculosis clinic, intensive care unit and chest outpatient clinic of Dicle University Faculty of Medicine. One of the aims of this study is to develop and improve the multidimensional diagnosis of pneumonia with a deep learning-based computer-aided automated detection system that will help experts where there is a lack of expensive equipment and highly trained clinicians. When the results obtained in this thesis are compared with other studies, it is found that the proposed methods contribute to the existing literature and perform well.
Benzer Tezler
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- A mobilenet based CNN model with a novel fine tuning mechanism for COVID-19 infection detection
COVID-19 enfeksiyon tespiti için yeni bir ince ayar mekanizmasına sahip mobilenet tabanlı CNN modeli
ERCAN GÜRSOY
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASİN KAYA
- KOAH akut alevlenme ile hastaneye yatan hastaların otur-kalk testi skoru değişiminin taburculuktan sonraki 1 ay içinde yeniden hastaneye yatış riskinin belirlenmesindeki yeri
Effectiveness of changes in sit to stand test scores in determining the risk of rehospitalization after 1 month of discharge from hospital in patients hospitalized with acute COPD exacerbation.
ERMAN GIDIK
Tıpta Uzmanlık
Türkçe
2020
Göğüs HastalıklarıSağlık Bilimleri ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
DR. SİBEL BOĞA
- Göğüs tüpü çıkarma işlemi öncesi uygulanan ayak refleksolojisinin ağrı ve anksiyete düzeyine etkisi
Effect of the foot reflexology applied before to removal of the chest tube on the pain and anxiety level
ELİF BUDAK ERTÜRK
- Beden kitle indeksi yerine beden şekil indeksi ve bel çevresi kullanımının COVID-19 prognozunu öngörmedeki değeri
The value of using a boby shape index and waist circuit instead of body mass index in prediction of COVID-19 prognosis
BERNA BULUT ARCAGÖK
Tıpta Uzmanlık
Türkçe
2022
Göğüs HastalıklarıSağlık Bilimleri ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. SİBEL ARINÇ