Beyin MR görüntülerinin yapay zekâ yöntemleri ile sınıflandırılması
Brain MR image classification using artificial intelligence
- Tez No: 859087
- Danışmanlar: PROF. DR. ORHAN İÇELLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Fizik ve Fizik Mühendisliği, Onkoloji, Science and Technology, Physics and Physics Engineering, Oncology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Fizik Bilim Dalı
- Sayfa Sayısı: 99
Özet
Bu tez, yapay zeka kullanarak beyin tümörü görüntülerini sınıflandırmayı amaçlayan Evrişimli Sinir Ağları (CNN) modelinin geliştirilmesini içerir. CNN modeli, beyin MR görüntülerindeki anormallikleri tespit edip tümör olup olmadığına göre sınıflandırarak hekimlere yardımcı olmayı hedefler. Ayrıca bu modelin, beyin tümörünü, benzer hastalıklardan ayırt edilmesinde kullanılabileceği düşünülmektedir. Kullanılan veri kümesi, manuel FLAIR anormallik segmentasyon maskeleriyle birlikte beyin MR görüntülerini içerir ve The Cancer Imaging Archive'den (TCIA) elde edilmiştir. Bu veri kümesi, Kanser Genom Atlası (TCGA) düşük dereceli glioma koleksiyonundan gelir. Denemeler, CNN algoritmasının bu veri kümesi için %87 eğitim ve %89 test doğruluk skoru ile başarılı bir şekilde çalıştığını göstermiştir. Elde edilen model, beyin MR görüntülerini kanserli veya kansersiz olarak sınıflandırmada hızlı ve başarılı sonuçlar vermiştir. Bu sonuçların, beyin tümörü teşhisinde hekimlere yardımcı olması beklenmektedir. Literatürdeki genel eğilime karşı, kullanılan veri setindeki görüntüler sadece beyin tümörü hastalığına sahip insanların MR görüntüleridir. Bu da her hasta için özelleştirilmiş görüntülerde modelin tümörleri başarılı bir şekilde ayırt edebileceği beklentisini kuvvetlendirir.
Özet (Çeviri)
This thesis involves the development of a Convolutional Neural Network (CNN) model to classify brain tumour images using artificial intelligence. The CNN model aims to help doctors by detecting abnormalities in brain MRI images and classifying them as being tumours or not. It is also thought that the model could be used to distinguish brain tumours from similar conditions. The dataset used contains brain MR images with manual FLAIR abnormality segmentation masks and was obtained from The Cancer Imaging Archive (TCIA). This dataset comes from the Cancer Genome Atlas (TCGA) low-grade glioma collection. Experiments have shown that the CNN algorithm works successfully for this dataset with a training accuracy score of 87.45% and a testing accuracy score of 89%. The resulting model gave fast and successful results in classifying brain MRI images as cancerous or non-cancerous. These results are expected to help doctors diagnose brain tumours. Contrary to the general trend in the literature, the images in the dataset used are only MR images of people with brain tumours. This strengthens the expectation that the model can successfully discriminate tumours in images tailored to each patient.
Benzer Tezler
- Detection of cancerous brain cells with machine learning
Makine öğrenimi ile kanserli beyin hücrelerinin tespiti
UYGAR CANKAT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TANER DANIŞMAN
- 2.5D ViT: vision transformer based brain age estimation with 3D brain MRI pre-processes
2.5D ViT: 3 boyutlu beyin MR görüntülerinin ön işlenmesiyle görüntü dönüştürücü tabanlı beyin yaşı tahmini
MUAZZEZ BUKET DARICI
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiKadir Has ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ATİLLA ÖZMEN
- Yüksek dereceli gliomlarda tedaviye bağlı gelişen radyonekrozun, nüks ya da rezidü tümöral lezyondan ayrımında bilgisayar temelli yapay zekânın rolü
The role of computer-based artificial intelligence in distinguishing treatment-related radiation necrosis from recurrent or residual tumoral lesions in high-grade gliomas
İBRAHİM ALTINDAŞ
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpSelçuk ÜniversitesiRadyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HALİL ÖZER
- Derin öğrenme ve açıklanabilir yapay zekâ teknikleri ile beyin tümörlerinin tespiti ve analizi
Detection and analysis of brain tumors using deep learning and explainable artifical intelligence techniques
MUSTAFA ÖZLÜ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. METE ÇELİK
DR. ÖĞR. ÜYESİ NUH AZGINOĞLU
- Beyin MR görüntülerinde riskli gliom tümörlerinin yapay zeka ile tespiti
Detection of risky glioma tumors in brain MR images using artificial intelligence
ÇAĞIN ÖZKAYA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. ŞEREF SAĞIROĞLU