Geri Dön

Böbrek hastalıklarının tespiti için Poly-CNN modeli önerisi ve performansının karşılaştırması

Poly-CNN model recommendation and performance comparison for kidney disease detection

PDF İndir

  1. Tez No: 864958
  2. Yazar: KENAN GÜLLE
  3. Danışmanlar: DOÇ. DR. DURMUŞ ÖZDEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Kütahya Dumlupınar Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 97

Özet

Son yıllarda, özellikle gelişmiş ülkelerde hızla artan böbrek hastalıkları, insan sağlığını olumsuz etkileyen önemli sorunlardan biri haline geldi. Böbrek fonksiyonlarını değerlendirmek için kan ve idrar testlerinin yanı sıra PACS (Picture Archiving and Communication System) görüntüleme de yaygındır. Gelişen yapay zekâ teknolojileri ile tıbbi görüntü analizlerinde büyük başarı elde edilmektedir. Yapay zekâ destekli teşhisler, hekimlere ve patologlara potansiyel hatalardan kaçınma imkânı sunarak, yorgunluk, dikkatsizlik ve tecrübesizlik kaynaklı riskleri en aza indirmektedir. Hastalık teşhislerinde başarı oranını artıran bu yöntemler, toplum sağlığına ve erken tedaviye önemli katkılar sağlamaktadır. Böbrek hastalıklarının teşhisinde sınıflandırma süreci büyük bir öneme sahiptir. Bu çalışma, Kaggle platformundan elde edilen veri setini kullanarak böbrek hastalıklarının sınıflandırılması üzerine odaklanmıştır. Toplamda 12.446 benzersiz veri içeren bu veri seti, 2.283'ü tümör (Tumor), 5.077'si normal, 1.377'si taş (Stone), ve 3.709'u kist (Cyst) olarak sınıflandırılmıştır. Çalışmada, veri setimizin %70'i eğitim (train), %15'i doğrulama (Validation) ve %15'i de test işlemi için ayrılmıştır. ANN (Artificial Neural Network), AlexNet, VGG16, VGG19, Klasik CNN (Convolutional Neural Networks) ve bu çalışmada önerilen Poly-CNN gibi derin öğrenme metotlarının performansları karşılaştırılarak analiz edilmiştir. Daha istikrarlı öğrenme sağlamak için klasik CNN yapısına ekstra havuzlama katmanı ve bağlantı katmanı eklenmiştir. Eklenen bu katmanlar aşırı öğrenmeye sebebiyet vermemesi için, eğitim sırasında rastgele nöronlar devre dışı bırakılmıştır. Derin öğrenme modellerinde kullanılan parametre değerleri, katman yapıları ve doğrulama verileri üzerinden elde edilen karmaşıklık matrisleri ile doğruluk ve kayıp grafikleri detaylı bir şekilde analiz edilmiştir. Mimarilerin istatiksel analiz sonuçları değerlendirildiğinde test verileri en iyi doğruluk oranı, başarı sırasına göre şu şekildedir: Poly-CNN (%99,94), VGG19 (%99,78), ANN (%99,78), Klasik CNN (%99,57), VGG16 (%96,57) ve AlexNet (%89,44) sonuçları elde edilmiştir. Çalışma sonuçlarının alan uzmanlarına ve hekimlere karar verme süreçlerinde değerli öneriler sunabileceği düşünülmektedir. Özellikle hastalığın teşhis süresinin kısaltılması ve ayrıca insan kaynaklı hataların en aza indirilmesi gibi avantajlar sunmaktadır.

Özet (Çeviri)

In recent years, rapidly increasing kidney diseases, especially in developed countries, have become one of the important problems that negatively affect human health. PACS (Picture Archiving and Communication System) imaging, as well as blood and urine tests, are also common to evaluate kidney function. Great success is achieved in medical image analysis with developing artificial intelligence technologies. Artificial intelligence-supported diagnoses allow physicians and pathologists to avoid potential errors, minimizing the risks caused by fatigue, carelessness and inexperience. These methods, which increase the success rate in disease diagnosis, make significant contributions to public health and early treatment. The classification process is of great importance in the diagnosis of kidney diseases. This study focused on the classification of kidney diseases using the data set obtained from the Kaggle platform. This dataset contains a total of 12,446 unique data, 2,283 of which are classified as tumor, 5,077 as normal, 1,377 as stone, and 3,709 as cyst. In the study, 70% of our data set is reserved for training, 15% for validation and 15% for testing. The performances of deep learning methods such as ANN (Artificial Neural Network), AlexNet, VGG16, VGG19, Classic CNN (Convolutional Neural Networks) and Poly-CNN proposed in this study were compared and analyzed. Extra pooling layer and connection layer have been added to the classical CNN structure to provide more stable learning. To prevent these added layers from causing excessive learning, random neurons were disabled during training. The complexity matrices and accuracy and loss graphs obtained from the parameter values, layer structures and validation data used in deep learning models were analyzed in detail. When the statistical analysis results of the architectures are evaluated, the best accuracy rate of the test data is as follows, in order of success: Poly-CNN (99.94%), VGG19 (99.78%), ANN (99.78%), Classic CNN (99%). 57), VGG16 (96.57%) and AlexNet (89.44%) results were obtained. It is thought that the study results can provide valuable suggestions to field experts and physicians in their decision-making processes. It offers advantages such as shortening the diagnosis time of the disease and minimizing human errors.

Benzer Tezler

  1. Tez No

    754617

    Biomaterial-integrated metasurfaces for biomarker detection

    Biyobelirteç tespiti için biyomateryal entegre edilmiş meta yüzeyler

    ESMA DERİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Biyolojiİhsan Doğramacı Bilkent Üniversitesi

    Malzeme Bilimi ve Nanoteknoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FATİH İNCİ

  2. Tez No

    655350

    Multiplexed cell-based diagnostic devices for the detection of kidney disease pathological markers

    Böbrek hastalıklarının takibinde kullanılabilir çok katmanlı tüm hücre sensörleri ile oluşturulmuş biyoteşhis cihazları

    SILA KÖSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Biyomühendislikİhsan Doğramacı Bilkent Üniversitesi

    Malzeme Bilimi ve Nanoteknoloji Ana Bilim Dalı

    DOÇ. DR. URARTU ÖZGÜR ŞAFAK ŞEKER

  3. Tez No

    796692

    Sivas'taki aile sağlığı merkezlerinde takipli hipertansiyon hastalarının tedaviye uyumunu etkileyen faktörler

    Factors affecting the treatment compliance of hypertension patients in family health centers in Sivas

    HALİL ŞİRİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Aile HekimliğiCumhuriyet Üniversitesi

    Aile Hekimliği Ana Bilim Dalı

    PROF. DR. YELTEKİN DEMİREL

    DR. ÖĞR. ÜYESİ SANEM NEMMEZİ KARACA

  4. Tez No

    846000

    SARS-CoV-2 virüsünün moleküler tanısı ve bazı kemokinlerin hastalık şiddetindeki rolünün incelemesi

    Molecular identification of SARS-CoV-2 virus and study ther role of some chemoki̇nes in disease severity

    DUNYA KHALEEL RASHID RASHID

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    BiyolojiÇankırı Karatekin Üniversitesi

    Biyoloji Ana Bilim Dalı

    DOÇ. DR. ŞİNASİ AŞKAR

    DR. ÖĞR. ÜYESİ MUHANNAD ABDULLAH KHALAF

  5. Tez No

    676966

    Böbrek tümörlerinin derin öğrenme yoluyla segmentasyonu

    Segmentation of kidney tumors by deep learning

    FUAT TÜRK

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT LÜY

    PROF. DR. NECAATTİN BARIŞÇI

Geri Dön