Maymun çiçeği cilt lezyonunun tespiti için derin öğrenme yöntemlerinde optimizasyon tabanlı özellik seçimi
Optimization-based feature selection in deep learning methods for monkeypox skin lesion detection
- Tez No: 869739
- Danışmanlar: DR. ÖĞR. ÜYESİ ERDAL ÖZBAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Bilim Dalı
- Sayfa Sayısı: 102
Özet
Bu tez, maymun çiçeği hastalığının cilt lezyonlarının tespiti için derin öğrenme yöntemlerinin kullanımını ve optimizasyon tabanlı özellik seçimini ele almaktadır. Maymun çiçeği hastalığı, günümüzde sağlık sektörünün önemli bir sorunudur ve erken teşhis yöntemlerinin geliştirilmesi büyük bir gerekliliktir. Geleneksel teşhis yöntemleri maliyetli ve zaman alıcı olabilirken, CNN gibi derin öğrenme teknikleri, özellikle cilt lezyonlarının tespitinde büyük bir potansiyel sunmaktadır. Bu çalışmada, veri önişleme adımlarından görüntü çoğaltma yöntemi kullanıldıktan sonra önceden eğitilmiş model mimarileri olan DenseNet-201, ResNet-101 ve DarkNet-53 kullanılarak cilt lezyonlarının görüntülerinden öznitelik çıkarımı yapılmıştır. Aynı zamanda, anlamlı öznitelikleri seçmek amacıyla optimizasyon yöntemleri kullanılmıştır. Kullanılan BGWO yöntemi ile öznitelik seçimi gerçekleştirilmiştir. Elde edilen sonuçlar, önerilen yaklaşımın maymun çiçeği hastalığının cilt lezyonlarının tespitinde derin öğrenme yöntemlerinin etkili bir şekilde kullanılmasının gerekliliğini göstermektedir. Optimizasyon tabanlı özellik seçimi yönteminin, hastalık teşhisinin doğruluğunu önemli ölçüde artırdığı belirlenmiştir. Bu tez, tıbbi teşhislerin geliştirilmesine ve hastaların sağlık durumlarının daha etkili bir şekilde yönetilmesine katkı sağlama amacıyla önemli bir adım olarak görülmektedir. Maymun çiçeği hastalığının erken teşhisinde derin öğrenme ve optimizasyon tekniklerinin birleşiminin, sağlık sektörüne büyük faydalar sağlayabileceği düşünülmektedir.
Özet (Çeviri)
This thesis discusses the use of deep learning methods and optimization-based feature selection for the detection of monkeypox skin lesions. Monkeypox disease is an important problem in the health sector today and the development of early diagnosis methods is a great necessity. While traditional diagnostic methods can be costly and time-consuming, deep learning techniques such as CNN offer great potential, especially in detecting skin lesions. In this study, after using the image augmentation method in the data preprocessing steps, features were extracted from the images of skin lesions using the pre-trained model architectures DenseNet-201, ResNet-101 and DarkNet-53. At the same time, optimization methods were used to select meaningful features. Feature selection was carried out with the BGWO method used. The results obtained demonstrate the necessity of the proposed approach to effectively use deep learning methods in detecting skin lesions of monkeypox. It has been determined that the optimization-based feature selection method significantly increases the accuracy of disease diagnosis. This thesis is seen as an important step towards contributing to the development of medical diagnoses and more effective management of patients' health conditions. It is thought that the combination of deep learning and optimization techniques in the early diagnosis of monkeypox can provide great benefits to the healthcare sector.
Benzer Tezler
- Sağlık sektöründe yapay zekâ temelli bir klinik karar destek sisteminin geliştirilmesi
Development of an artificial intelligence-based clinical decision support system in the healthcare system
TUBA IRMAK
Doktora
Türkçe
2023
Endüstri ve Endüstri MühendisliğiAtatürk ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF KILIÇ DELİCE
- Derin öğrenme yöntemleri kullanılarak deri lezyon görüntülerinden maymun çiçeği hastalığının tespiti
Detecting monkeypox disease from skin lesion images using deep learning methods
MUHAMMET TALHA ENGİN
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriAksaray ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. KEMAL ADEM
- Görüntü sınıflandırması için evrişimsel sinir ağı-metasezgisel algoritmalar tabanlı yeni bir hibrit yaklaşım geliştirilmesi
Development of a novel hybrid approach based on convolutional neural networks-metaheuristic algorithms for image classification
SEDA VAROL
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SONER KIZILOLUK
- Prediction of monkeypox infection from clinical symptoms with adaptive artificial bee colony-based deep neural network
Adaptif yapay arı koloni tabanlı derin sinir ağı ile klinik belirtilerden maymun çiçeği enfeksiyonunun tahmini
AHMED MUHAMMED KALO HAMDAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DURSUN EKMEKCİ
- Fuzuli Divanı'nda kozmografya ve tabiat
Başlık çevirisi yok
KENAN ERDOĞAN
Yüksek Lisans
Türkçe
1989
Türk Dili ve EdebiyatıÇukurova ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı