Medikal görüntülerde derin öğrenme yöntemlerinin başarım değerlendirmesi
Performance evaluation of deep learning methods in medical images
- Tez No: 855264
- Danışmanlar: DR. ÖĞR. ÜYESİ YONCA BAYRAKDAR YILMAZ
- 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: Çanakkale Onsekiz Mart Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin tümörü, kontrolsüzce büyüyen beyin hücrelerine denir. Bu kontrolsüzce büyüyen anormal dokuların tespitinde derin öğrenmenin faydalı olabileceği iddia edilmiştir. Medikal görüntüler üzerinde derin öğrenme yöntemleri kullanılarak tümörün erken teşhis edilebileceği öngörülmüştür. Bu tezde, hastalıkların erken teşhisini kolaylaştırmak için medikal görüntüler üzerinde yaygın olarak kullanılan derin öğrenme algoritmalarının başarımları karşılaştırılarak beyin tümörleri alanı üzerindeki başarımı yüksek algoritmanın tespit edilmesi amaçlanmıştır. Çalışmada BraTS dataseti kullanılmıştır. Medikal görüntüler üzerinde yaygın olarak kullanılan Vgg19, Resnet, Unet ve InceptionV3 öğrenme algoritmalarından model oluşturularak bu algoritmalar eğitilmiştir. Daha sonra eğitilen algoritmalara BraTS dataseti verilerek başarımları ölçülmüşür. Bu eğitim ve başarım ölçümü sırasında python, tensorflow ile yazılmış algoritma modelleri kullanılarak, Google Colab üzerinde eğitimleri ve başarım ölçümleri yapılmıştır. Elde edilen sonuçlar karşılaştırılarak başarımı yüksek algoritma tespit edilmiş ve nedenleri ortaya konmuştur. Başarım değerlendirmesi yapılırken doğruluk, dice benzerliği, f1 skor ve meanIoU metrikleri kullanılmıştır. Metriklerin karşılaştırılması sonucunda en performanslı modelin InceptionV3 olduğuna karar verilmiştir.
Özet (Çeviri)
A brain tumor is a brain cell that grows uncontrollably. It has been claimed that deep learning can be useful in detecting these uncontrollably growing abnormal tissues. It is predicted that tumors can be detected early by using deep learning methods on medical images. In this thesis, it is aimed to determine the algorithm with high performance in the field of brain tumors by comparing the performance of deep learning algorithms commonly used on medical images to facilitate early diagnosis of diseases. BraTS dataset was used in the study. Models were created from Vgg19, Resnet, Unet and InceptionV3 learning algorithms commonly used on medical images and these algorithms were trained. The trained algorithms were then given the BraTS dataset and their performance was measured. During this training and performance measurement, algorithm models written in python and tensorflow were used to train and measure their performance on Google Colab. By comparing the results obtained, the algorithm with high performance was identified and the reasons were revealed. Accuracy, dice similarity, f1 score and meanIoU metrics were used for performance evaluation. As a result of the comparison of the metrics, it was decided that InceptionV3 was the best performing model.
Benzer Tezler
- CKAN ve CNN derin öğrenme modellerinin kanser histopatoloji görüntülerindeki tümöre sızan lenfositlerin sınıflandırılması üzerine karşılaştırmalı değerlendirmesi
Comparative evaluation of CKAN and CNN deep learning models for classifying tumor infiltrating lymphocytes in cancer histopathology images
SEYİT METİN KÖROĞLU
- Tıbbi görüntü veri setleri için evrişimli sinir ağları ve görüntü dönüştürücü mimarilerine yönelik hibrit sistemlerin geliştirilmesi
Development of hybrid systems for convolutional neural networks and vision transformer architectures for medical image datasets
HASAN UCUZAL
Doktora
Türkçe
2026
Biyoistatistikİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
PROF. DR. CEMİL ÇOLAK
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Dermoskopik görüntülerden melanomanın derin evrişimsel sinir ağları ile teşhisi
Diagnosis of melanoma in dermoscopic images with deep convolutional neural networks
ENES AYAN
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL MURAT ÜNVER
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA