Geri Dön

Integration of machine learning and deep learning methods for the enhancement of rheumatoid arthritis diagnosis

Romatoid artrit tanısının iyileştirilmesi için makine öğrenmesi ve derin öğrenme yöntemlerinin entegrasyonu

PDF İndir

  1. Tez No: 856355
  2. Yazar: KEMAL ÜRETEN
  3. Danışmanlar: PROF. DR. HADİ HAKAN MARAŞ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Çankaya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 71

Özet

Normal el radyografileri ve Romatoid artritli el radyografilerini sınıflandırmak için yapılan bu çalışmada CNN'ler nesne dedektörü ve özellik çıkarıcı olarak kullanıldı. YOLOv4 ile ön işlem sonrası önceden eğitilmiş VGG-16 modeli ile sınıflandırma yapıldı. Doğruluk, duyarlılık, özgüllük, kesinlik, F1 score, area under the curve (AUC) ve Cohen's kappa performans metriklerinde sırasıyla %90.5, %96.0, %85.7, %85.7, %90.5, 0.94 ve 0.81 sonuçları elde edildi. VGG-16 modeli ile özellik çıkarımı yapıldı ve bu veri seti ile topluluk öğrenme algoritmalarından stacking yöntemi ile doğruluk sonucunda % 0.9'luk bir iyileşme oldu. Performansı iyileştirmek için yapılan çalışmalar sonucunda literatüre iki yeni katkı sağlandı. Önce majority voting sınıflandırıcısına segmental arama özelliği eklendi ve önerilen bu majority voting modeliyle VGG-16'ya göre % 1 doğruluk artışı elde edildi. İkinci olarak verisetine filtre özellik seçim yöntemlerinden ANOVA ve varyans eşik yöntemleri birlikte uygulandı ve optimum özellik sayısını bulmak için makine öğrenmesi sınıflandırıcısı ANOVA algoritması içine yerleştirildi. Optimum özellik seti yinelemeli olarak arandı. Önerilen bu ANOVA ve varyans eşik yöntemiyle Rastgele Orman, Lojistik Regresyon ve Destek Vektör Makineleri algoritmaları ile performans metriklerinde %2-5 oranında iyileşme sağlandı. Önerilen her iki yöntemle de eğitim süresi kısaldı.

Özet (Çeviri)

In this study to classify normal and Rheumatoid arthritis hand radiographs, convolutional neural networks were used as object detectors and feature extractors. After pre-processing with YOLOv4, classification was performed with the pretrained VGG-16 model. Accuracy, sensitivity, specificity, precision, F1 score, area under the curve (AUC), and Cohen's kappa performance results of 90.5%, 96.0%, 85.7%, 85.7%, 90.5%, 0.94, and 0.81 were obtained, respectively. Feature extraction was performed with VGG-16 model, and with this extracted features dataset, a 0.9% improvement in accuracy was achieved with the stacking method. Two novel contributions were made to the literature as a result of work performed in this thesis. First, segmental search property was added to the majority voting classifier, providing a 1% improvement in accuracy compared to VGG-16. Second, ANOVA and variance threshold methods were applied to the dataset for feature selection, and the machine learning classifier was inserted into the ANOVA algorithm to find the optimum number of features. The optimal feature set was searched iteratively. With this proposed ANOVA and variance threshold feature selection methods, a 2-5% improvement in performance metrics was achieved with Random Forest, Logistic Regression and Support Vector Machines algorithms. Training time was shortened with both proposed methods.

Benzer Tezler

  1. Tez No

    842476

    Deep learning approaches for hailstorm detection and forecasting using CNN and LSTM algorithms: Comparative evaluation of radar products

    Derin öğrenme yaklaşımlarıyla dolu fırtınası tespiti ve tahmini için CNN ve LSTM algoritmalarının kullanılması: Radar ürünlerinin karşılaştırmalı değerlendirmesi

    NAHİT ÇATMADIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. MEHMET SİNAN ÖZEREN

  2. Tez No

    904110

    Yapay zeka temelli derin öğrenme yöntemi ile 5G uyumlu mikroşerit anten tasarım ve uygulaması

    5G compatible microstrip antenna desing and application with artifical intelligence based deep learning method

    REŞİT KARAOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik Mühendisliğiİskenderun Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. YAKUP HAMEŞ

    DOÇ. DR. MEHMET ALİ BELEN

  3. Tez No

    877743

    Derin öğrenme yöntemleri ile ilişkisel doküman sınıflandırılması

    Relational document classification with deep learning methods

    HALİL İBRAHİM OKUR

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET SERTBAŞ

  4. Tez No

    904946

    Ai-enabled optimization of 3D-printed microneedles for simultaneous epidermal and dermal delivery

    Eşzamanlı epidermal ve dermal ilaç teslimat için 3D baskılı mikroiğnelerin yapay zeka destekli optimizasyonu

    MISAGH REZAPOUR SARABI

    Doktora

    İngilizce

    İngilizce

    2024

    BiyomühendislikKoç Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SAVAŞ TAŞOĞLU

    PROF. DR. METİN SİTTİ

  5. Tez No

    799635

    Yapay zeka kullanılarak klinik tanının öngörülmesinde biyokimyasal test sonuçlarının rolünün araştırılması

    Investigation of the role of biochemical test results in prediction of clinical diagnosis using artificial intelligence

    YUSUF YEŞİL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    PROF. DR. EVİN ADEMOĞLU

    DOÇ. DR. ALPAY MEDETALİBEYOĞLU

Geri Dön