Copd diagnosis classification on CT images using machine learning
Makine öğrenmesi ile BT görüntülerinde koah tanısı sınıflandırması
- Tez No: 856457
- Danışmanlar: Assist. Prof. ZAFER İŞCAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kronik Obstrüktif Akciğer Hastalığı (KOAH), etkilenen bireylerin yaşam kalitesini önemli ölçüde etkileyen, yaygın ve zayıflatıcı bir solunum rahatsızlığıdır. KOAH'ın erken ve doğru tanısı, etkili yönetim ve iyileştirilmiş hasta sonuçları için çok önemlidir. Bu tez, bilgisayarlı tomografi (BT) görüntülerine uygulanan Derin Evrişimli Sinir Ağları (CNN) kullanılarak KOAH akciğer tanısı sınıflandırması için yeni bir yaklaşım sunmaktadır. Önerilen metodoloji, CT görüntülerini analiz etmek için son teknoloji ürünü bir Deep CNN mimarisini kullanarak KOAH belirtilerinin otomatik olarak tanımlanmasına ve sınıflandırılmasına olanak tanır. Araştırma, çeşitli KOAH alt tiplerine ve şiddet düzeylerine uyum sağlamak için hem ikili hem de çok sınıflı senaryoları ele alan ikili bir odağı kapsamaktadır. Bu ikili sınıflandırma sistemi, modelin çeşitli KOAH koşullarında çok yönlülüğünü ve uygulanabilirliğini artırır. Derin öğrenme modeli, açıklamalı CT görüntülerinden oluşan kapsamlı bir veri kümesi üzerinde eğitilir ve KOAH'ın göstergesi olan ince kalıpları ve özellikleri ayırt etme kapasitesinden yararlanır. İkili sınıflandırma görevi, KOAH ve KOAH dışı vakalar arasında ayrım yaparak temel bir teşhis yeteneği sağlar. Ek olarak, çok sınıflı sınıflandırma, KOAH vakalarını farklı şiddet seviyelerine göre kategorize ederek modelin faydasını genişletir ve ayrıntılı ve kapsamlı bir değerlendirmeyi kolaylaştırır. Önerilen yaklaşımın değerlendirilmesi, görüntü kalitesindeki, hasta demografik özelliklerindeki ve hastalık belirtilerindeki farklılıklar dikkate alınarak çeşitli veri kümeleri üzerinde titiz testleri içerir. İki (KOAH ve Normal) ve çok sınıflı senaryo için elde edilen doğruluk seviyesi sırasıyla %98 ve %99'dur. Bu araştırmanın sonuçları, radyologlar ve sağlık profesyonelleri için sağlam ve etkili bir araç sağlayarak otomatik KOAH tanısı alanının ilerlemesine katkıda bulunmaktadır. Derin öğrenme tekniklerinin BT görüntülemeyle entegrasyonu, hastalığın tanımlanması ve sınıflandırılmasında daha hızlı ve daha standart bir yaklaşım sunarak, sonuç olarak hasta bakımını ve tedavi planlamasını geliştirerek KOAH tanısına yardımcı olma potansiyeli taşımaktadır.
Özet (Çeviri)
Chronic Obstructive Pulmonary Disease (COPD) is a prevalent and debilitating respiratory condition that significantly impacts the quality of life for affected individuals. Early and accurate diagnosis of COPD is crucial for effective management and improved patient outcomes. This thesis presents a novel approach for COPD lung diagnosis classification using Deep Convolutional Neural Networks (CNN) applied to computed tomography (CT) images. The research encompasses a dual focus, addressing both binary (COPD vs Normal) and multi-class (6 classes of COPD lung diagnosis) scenarios to accommodate diverse COPD subtypes and severity levels. This dual-classification system enhances the model's versatility and applicability across a spectrum of COPD conditions. The binary classification task distinguishes between COPD and non-COPD cases, providing a foundational diagnostic capability. Additionally, the multi-class classification extends the model's utility by categorizing COPD cases into distinct severity levels, facilitating a nuanced and comprehensive assessment. The evaluation of the proposed approach involves rigorous testing on diverse datasets, considering variations in image quality, patient demographics, and disease manifestations. The achieved accuracy of for binary (COPD vs Normal) and multi-class classifications are 98% and 99%, respectively. The outcomes of this research contribute to advancing the field of automated COPD diagnosis, providing a robust and efficient tool for radiologists and healthcare professionals. The integration of deep learning techniques with CT imaging holds the potential to help COPD diagnostics, offering a faster and more standardized approach to identifying and classifying the disease, ultimately enhancing patient care and treatment planning.
Benzer Tezler
- KOAH'lı hastalarda pulmoner arter basıncı ve pulmoner arter çapının hastalığın evresi ve süresi ile ilişkisi
Relationship between pulmonary artery pressure, pulmonary artery diameter, and disease severity and duration in patients with COPD
HALİSE KARABAŞ YAYLA
Tıpta Uzmanlık
Türkçe
2026
Göğüs HastalıklarıNecmettin Erbakan ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
DOÇ. DR. CELALETTİN KORKMAZ
- Kronik obstrüktif akciğer hastalığı olgularında kantitatif volümetrik bilgisayarlı tomografi analizi ile pulmoner fonksiyon testi verilerinin korelasyonu
Correlation between quantitative volumetric computed tomography analysis and pulmonary function in patients with chronic obstructive pulmonary disease
EYÜP ÇETİN
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpZonguldak Bülent Ecevit ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. BANU ALICIOĞLU
- Göğüs hastalıkları kliniğine başvuran kronik bronşit ve amfizem hastaları ile kontrol grubu arasında HIF-1α, VEGF, EPO ve LDH seviyelerinin ilişkisinin incelenmesi
Investigation of the relationship among HIF-1α, VEGF, EPO and LFH levels in patients admitted to the chest diseases clinic with chronic bronchitis and emphysema patients and the control group.
NURETTİN ANDAÇ ATALAY
Tıpta Uzmanlık
Türkçe
2023
Göğüs HastalıklarıSelçuk ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
DOÇ. DR. BURCU YORMAZ
- Kronik obstrüktif akciğer hastalığında etiyolojik tiplendirme
Etiological classification in chronic obstructive pulmonary disease
ELİF SELÇUK
Tıpta Uzmanlık
Türkçe
2025
Göğüs HastalıklarıAnkara ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. ELİF ŞEN
- Kafa içi multipl anevrizmalarda prognozu etkileyen faktörler
Factors effective on outcome in multiple intracranial aneurysms
TEZCAN ÇALIŞKAN
Tıpta Uzmanlık
Türkçe
2011
NöroşirürjiSağlık BakanlığıBeyin ve Sinir Cerrahisi Ana Bilim Dalı
PROF. DR. MEHMET ZAFER BERKMAN