Medical image classification using convolutional neural network
Evrişimsel sinir ağları kullanılarak medikal görüntü sınıflandırılması
- Tez No: 864663
- Danışmanlar: PROF. DR. FATİH VEHBİ ÇELEBİ, DR. ÖĞR. ÜYESİ AYŞE KELEŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 78
Özet
Beyin dokusunda gerçekleşen anormal büyümelerle ortaya çıkan hastalık beyin tümörü olarak adlandırılır. Beynin farklı bölgelerinde ortaya çıkan bu kanserli hücreler farklı boyutlarda ve şekillerde olabilmektedirler. Bu hastalığa yakalanan insanların hızlı tanısı ve tedavi planının belirlenmesi, hastanın yaşamı için önem arz etmektedir. Bugüne kadar farklı görüntüleme teknikleri kullanılarak beyin tümörleri tespit edilmeye çalışılmıştır. Bunlardan en yaygın ve tümörlü bölgeyle ilgili detaylı bilgiler içeren teknik Manyetik Rezonans (MR) tekniğidir. MR sayesinde beyin dokusunda yer alan kanserli hücrelerin yeri, boyutu ve hacmi tespit edilebilmektedir. Ancak bazı vakalarda doğru tanı ve tümör teşhisi güç olmaktadır. Uzmanlar tarafından gerçekleştirilen teşhis süresi ve doğruluğu hasta için kritik öneme sahiptir. Bu çalışmamızda bir derin evrişimsel sinir ağı olan U-Net 3 boyutlu olarak geliştirilmiş ve 3 boyutlu MR görüntülerine sahip BraTS 2020 veri seti kullanılarak çok sınıflı semantik bir beyin tümörü bölütlemesi gerçekleştirilmiştir. Geliştirilen model ile tümörlü bölgelerin farklı tümör etiketleri 0.97 gibi yüksek bir doğruluk değeriyle tespit edilmiştir. Modelin bölütleme başarısını ölçen Intersection over Union (IoU) skoru ise eğitim veri seti için 0.75, doğrulama veri seti için 0.62 çıkmıştır. Eğitilen model test amaçlı kullanılan ve modelin daha önce görmediği 3 boyutlu MR görüntülerini hızlı bir şekilde işleyip yüksek doğrulukla bölütlemesini gerçekleştirmektedir. Geliştirilen bu modelin beyin tümörü teşhisinde uzmanlar tarafından kullanılmasının tanı sürelerini kısaltacağına inanıyorum.
Özet (Çeviri)
A brain tumor is a disease caused by abnormal growth in brain tissue. These cancerous cells can occur in different brain parts and vary in size and shape. The rapid diagnosis and treatment plan for individuals with this disease are crucial for their well-being. Brain tumors have been identified using various imaging techniques, with magnetic resonance imaging (MRI) being the most common. This technique provides detailed information about the tumor area. MRI can determine cancerous cells' location, size, and volume in brain tissue. However, accurate diagnosis and tumor identification can be challenging in some cases. The accuracy and timing of expert diagnosis are critical for patients. This study implemented U-Net, a deep convolutional neural network, for 3D multi-class semantic brain tumor segmentation using the BraTS 2020 dataset and 3D MRI images. The developed model detected different tumor labels with a high accuracy of 0.97. The trained model achieved an IoU score of 0.75 for the training set and 0.62 for the validation set, which indicates successful segmentation. Additionally, the model can detect unseen images, which are used for testing purposes, within seconds. I anticipate that this model will significantly reduce diagnosis times for brain tumor experts.
Benzer Tezler
- Makine öğrenimi tabanlı COVID-19 teşhis ve tahmin sistemi: Çeşitli öğrenme algoritmalarının performans analizi ve ilgili hastalıkların sınıflandırılması
Machine learning-based COVID-19 diagnosis and prediction system: Performance analysis of various learning algorithms and classification of related diseases
AHMED JADDOA ENAD AL-MAMOORI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırşehir Ahi Evran Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA AKSU
- Vascular segmentation of brain MR angiography images using convolutional neural networks
Evrişimsel sinir ağları kullanarak beyin MR anjiyografi görüntülerinin vasküler segmentasyonu
YUSUF HÜSEYİN ŞAHİN
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. GÖZDE ÜNAL
- 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
- Tıbbi görüntü işlemede kapsül ağlar
Capsule networks in medical image processing
AHMET SOLAK
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAHİME CEYLAN
- Tomografi görüntülerinden akciğer hastalıklarının tespiti amaçlı bir derin öğrenme modelinin geliştirilmesi
Development of deep learning model for detection of lung diseases from tomography images
GÖKHAN KARABAĞ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiAkdeniz ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRÜ ÖZEN