Geri Dön

Çekişmeli üretici ağları kullanarak göğüs X-ray görüntüsünden rapor oluşturma

Data generation from medical image using generative adversarial networks

  1. Tez No: 865128
  2. Yazar: UMID ALBAZZAZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SOYDAN SERTTAŞ, DR. ÖĞR. ÜYESİ EMRE GÜNGÖR
  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: 53

Özet

Derin öğrenme metodolojilerinin kullanımı, görüntülerden otomatik olarak başlık veya açıklama oluşturmaya çalışan uygulamalar için büyük fayda sağlamaktadır. Derin öğrenme ağları, özellikle tıp alanında önemli bir destek sunmaktadır. Doktorlar, hastalıkların teşhisinde, tıbbi görüntülerden otomatik olarak başlık ve açıklamalar oluşturulmasına yönelik geliştirilen uygulamalara başvurabilmektedirler. Görüntüden metinsel açıklamalar oluşturmak, görüntü işlemedeki en zorlu bilimsel çalışmalardan birisidir. Bu çalışmada Üretken Çekişmeli Ağ (GAN) modellerinin tıbbi görüntü işlemede kullanımına odaklanılarak yapay zekanın tıbbi teşhise desteği incelenmiştir. Amaç, doktorların hastaları teşhis etmesine ve tedavi etmesine yardımcı olmak için X-ışını görüntülerini doğru şekilde açıklayabilmek için doğal bir dil işleme sistemi oluşturmaktır. Çalışmadaki model, göğüs röntgenini anlamak ve bu röntgen görüntülerinden açıklamalar oluşturmak için tasarlanmıştır. Tahmine dayalı açıklama metni oluşturmak için, röntgen görüntülerinden ve bunlara karşılık gelen teşhis metinlerinden oluşan“Open-I”veri kümesi seçilmiştir. Bu işlemleri gerçekleştirmek için Küresel Dikkat Evrişimli Sinir Ağı modeli kullanılmıştır. Veri seti üzerinde yapılan incelemeler, BLEU-1 metriği için 0,37 ve Rouge-L metriği için de 0,39 doğruluk değerleriyle, tasarlanan sistemin etkin çalıştığını göstermiştir.

Özet (Çeviri)

The use of deep learning methodologies is greatly beneficial for applications that seek to automatically generate captions or descriptions from images. Deep learning networks offer significant support, especially in the medical field. In the diagnosis of diseases, doctors can use applications developed to generate captions and descriptions from medical images automatically. Generating textual descriptions from images is one of the most challenging scientific endeavors in image processing. In this study, we focus on the use of Generative Adversarial Networks (GAN) in medical image processing to support artificial intelligence in medical diagnosis. The goal is to create a natural language processing system to accurately describe X-ray images to help doctors diagnose and treat patients. The model in the study is designed to understand chest X-rays and generate descriptions from these X-ray images. To generate predictive annotation text, the“Open-I”dataset consisting of X-ray images and their corresponding diagnostic texts was selected. A Global Attention Convolutional Neural Network model was used to perform these operations. Analyses on the dataset showed that the designed system works effectively with accuracy values of 0.37 for the BLEU-1 metric and 0.39 for the Rouge-L metric.

Benzer Tezler

  1. Artificial intelligent based segmentation on medical imaging

    Medikal görüntü üzerinden yapay zeka tabanlı bölütleme

    MAHMUT AĞRALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VOLKAN KILIÇ

  2. Transfer learning based super resolution of aerial images and the effects of the super resolution on object detection

    Öğrenme transferi temelli hava aracı görüntülerinin süper çözünürlüğü ve süper çözünürlüğün nesne tespitine etkileri

    ASLAN AHMET HAYKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLKAY ÖKSÜZ

  3. Transition from temporary to permanent habitation: a qualitative exploration of socio-spatial practices in Silivri caravan park

    Geçicilikten kalıcılığa doğru bir süreç: Silivri karavan parkı yerleşimcilerinin sosyo-mekansal pratikleri üzerine nitel bir araştırma

    İDİL AKKUZU

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Mimarlıkİstanbul Teknik Üniversitesi

    Kentsel Tasarım Ana Bilim Dalı

    DOÇ. DR. MEHMET EMİN ŞALGAMCIOĞLU

    DR. ÖĞR. ÜYESİ BERRAK KARACA ŞALGAMCIOĞLU

  4. Gelişmekte olan ülkelerin dış borç sorunu ve Türkiye'nin dış borçları

    Başlık çevirisi yok

    MUSTAFA KARAGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1992

    Ekonomiİstanbul Üniversitesi

    Maliye Ana Bilim Dalı

    PROF.DR. ARİF NEMLİ

  5. Generating illustrations for children books using generative adversarial networks

    Çekişmeli üretici ağları kullanarak çocuk kitapları için çizim oluşturma

    SAMET HİÇSÖNMEZ

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. PINAR DUYGULU ŞAHİN

    DR. ÖĞR. ÜYESİ EMRE AKBAŞ