Akciğer bilgisayarlı tomografisinde insidental saptanan meme nodüllerinin evrişimli sinir ağları ile benign-malign olarak sınıflandırılması
Classification of breast nodules detected incidental in lung computerized tomography and as benign-malign with conversion neural networks
- Tez No: 865140
- Danışmanlar: DOÇ. DR. İBRAHİM ÖNDER YENİÇERİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 56
Özet
Meme lezyonlarının saptanmasında en sık kullanılan yöntemler mamografi, ultrasonografi ve manyetik rezonans görüntülemedir. Bilgisayarlı tomografi (BT) içerdiği yüksek radyasyon dozları nedeni ile meme lezyonlarının saptanmasında ve karakterizasyonunda kullanılmamaktadır. Son yıllarda özellikle Covid-19 salgını sonrasında akciğer BT kullanımı belirgin düzeyde artmıştır ve değişik nedenlerle yapılan akciğer BT incelemelerinde %7 ye ulaşan oranlarda meme lezyonu saptandığı bildirilmiştir. Bu çalışmanın temel amacı; akciğer BT'lerinde insidental meme nodülü saptanan olgularda derin öğrenme yöntemleri kullanılarak eğitilecek evrişimli sinir ağlarının (ESA), lezyonları benign-malign ayrımındaki performansının test edilmesidir. Ayrıca alt amaç olarak görüntü işleme alanında yaygın olarak kullanılan EfficientNet ve ResNet mimarilerinin görüntü sınıflamasındaki doğruluk oranlarının kıyaslanması da hedeflenmiştir. Çalışmada Muğla Eğitim ve Araştırma Hastanesi Radyoloji Bölümünden alınan akciğer BT görüntüleri kullanılmıştır (1376 benign, 733 malign, toplam 2109). Test veri seti olarak eğitim ve doğrulamada kullanılan 2109 görüntü haricinde ayrıca seçilen karma 131 görüntü kullanılmıştır. Yapılan çalışmada BT görüntülerinde tespit edilen meme lezyonlarının benign-malign ayrımındaki performansının doğruluk oranı ortalama %91,5 olarak tespit edilmiştir. Ayrıca yapılan kıyaslamada kullanılan veri seti için EfficientNetB0 doğruluk oranının (%96) ResNet50'den (%87) yüksek olduğu belirlenmiştir. Bu çalışma BT görüntülerinde saptanan meme nodüllerinin benign-malign ayrımında ESA'ların başarılı olabileceğini göstermiştir.
Özet (Çeviri)
The most commonly used methods for detecting breast lesions are mammography, ultrasonography and magnetic resonance imaging. Computed tomography (CT) is not used in the detection and characterization of breast lesions due to the high radiation doses. In recent years, especially after the Covid-19 epidemic, the use of lung CT has increased significantly, and it has been reported that breast lesion up to 7% has been detected in lung CT examinations performed for various reasons. The main purpose of this study; is to test the performance of convolutional neural networks (CNN) in distinguishing benign-malignant lesions which will be trained using deep learning methods, in cases with incidental breast nodules detected in lung CT scans,. In addition, as a sub-purpose, it is aimed to compare the accuracy rates of the EfficientNet and ResNet architectures, which are widely used in the field of image processing, in image classification. In the study, lung CT images taken from the Radiology Department of Muğla Training and Research Hospital were used (1376 benign, 733 malignant, total 2109). Apart from 2109 images used in training and validation, 131 selected mixed images were used as test dataset. In the study, the accuracy rate of the performance of the breast lesions detected on CT images in the distinction between benign and malignant was found to be 91.5% on average. In addition, it was determined that the accuracy rate of EfficientNetB0 (96%) was higher than ResNet50 (87%) for the data set used in the comparison. This study showed that CNNs can be successful in the differentiation of benign and malignant breast nodules detected on CT images.
Benzer Tezler
- Bilgisayarlı tomografi görüntülerinden nodül tespit karar destek sistemi geliştirilmesi
Developing decision support system for nodule detection from computerized tomography images
YASİN İLHAN
Doktora
Türkçe
2024
BiyomühendislikKocaeli ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. ARİF ÖZKAN
- Kistik fibrozis tanısıyla takip edilen hastaların demografik özellikleri
Demographic characteristics of patients who received cystic fibrosis diagnosis
CEYDA AYDOĞAN
Tıpta Uzmanlık
Türkçe
2015
Çocuk Sağlığı ve HastalıklarıDokuz Eylül ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. ÖZKAN KARAMAN
- Kistik fibrozisli 300 vakanın klinik ve laboratuvar özellikleri
Clinical and laboratory findings of 300 cases with cystic fibrosis
ASLIHAN KÖSE ÇETİNKAYA
Tıpta Uzmanlık
Türkçe
2012
Çocuk Sağlığı ve HastalıklarıHacettepe ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. DENİZ DOĞRU ERSÖZ
- Akut pulmoner tromboembolizm ağırlığının belirlenmesinde, mortalite ve komplike klinik seyrinin öngörülmesinde kardiyak belirteçlerin değeri
Importance of cardiac biomarkers in the evaluation of acute pulmonary thromboembolism severity, mortality and complicated clinical course
GÜLSEREN SAĞCAN
Tıpta Uzmanlık
Türkçe
2010
Göğüs Hastalıklarıİstanbul ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. ORHAN ARSEVEN
- Paranazal sinüs bilgisayarlı tomografisinde saptanan kronik sinüzit ve nazal polip varlığının kronik obstrüktif akciğer hastalığı (KOAH) şiddeti üzerine etkisi
Impact of chronic sinusitis and nasal polyposis identified with paranasal sinus computerized tomography on the severity of chronic obstructive lung disease
ALPER KELEMENÇE
Tıpta Uzmanlık
Türkçe
2009
Göğüs HastalıklarıCumhuriyet ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
DOÇ. DR. ÖZNUR ABADOĞLU