Derin öğrenme yöntemleri ile yüz görüntülerinden kronik ve genetik hastalıkların ön tanısı
Pre-diagnosis of chronic and genetic diseases through facial images with deep learning methods
- Tez No: 876145
- Danışmanlar: DOÇ. DR. ABDURRAHİM AKGÜNDOĞDU
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Genetik hastalıklar-doğuştan, Kronik hastalık, Transfer öğrenimi, Yapay zeka, Yüz görüntüsü, Genetic diseases-inborn, Chronic disease, Transfer learning, Artificial intelligence, Face image
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kronik hastalıklar genellikle uzun süre tedavi ya da bakım gerektiren, genetik hastalıklar ise genler aracılığı ile nesilden nesile aktarılabilen sağlık sorunlarıdır. Hemen her hastalık bireylerin yaşam kalitesini olumsuz etkilemektedir. Son yıllarda yüz özelliklerinin, yüz de değişen ve gelişen anomalilerin analizi ile hastalık teşhisi için derin öğrenme algoritmalarının etkin bir şekilde kullanılması giderek önem kazanmaktadır. Bu çalışmada derin öğrenme yöntemleri ile yüz görüntülerinden anomali tespiti ve hastalık sınıflandırma başarısı araştırılmıştır. Klasik ESA'lara kıyasla geliştirilen modellerin performansını değerlendiren bu çalışma, farklı modellerin başarılarının karşılaştırılması amaçlanmıştır. . Transfer öğrenme yöntemleri ve farklı teknikler ile her modelin hem kendi içinde ham de diğer modeller ile performans başarıları karşılaştırılmıştır. Klasik bir ESA mimarisi ve ViT modeli ile ikili hastalık başarı ve performansı karşılaştırılmıştır. ESA mimarilerinden (Resnet50 ve InceptionV3), yeni mimari modellerden görsel dönüştürücüler (ViT) ve EfficientFormer ile çoklu hastalık sınıflandırması yapılmıştır. Çalışmada dört hastalık grubu ve bir kontrol grubu olarak belirlediğimiz tüm hastalıkların ikili sınıflandırılması yapılmış ve en yüksek performans ViT modeli ile elde edilmiştir.Derin öğrenme uygulamaları, özellikle ViT modelinin küçük veri setleriyle yüz teşhisinde gösterdiği yüksek başarı oranı, yeni geliştirilen modellerin hızlı ve hibrit yaklaşımlara ihtiyaç duymaksızın etkin sonuçlar üretme yeteneğiyle dikkat çekmektedir. Bu gelişmeler, medikal alanda hekimlerin hasta yükünü azaltmanın yanı sıra insani hataların önlenmesine de önemli katkılar sağlayarak, bu teknolojilerin güvenle kullanılabileceğini göstermektedir. Ayrıca, girişimsel ve radyolojik yöntemlere ihtiyaç duyulmadan bazı hastalıkların erken tanısının konulabilmesi, sağlık sistemlerinin verimliliğini artırarak ülkelerin sağlık harcamalarında önemli tasarruflar sağlayabilecektir. Bu durum hem hasta bakım maliyetlerini azaltacak hem de kaynakların daha etkin kullanılmasına olanak tanıyacaktır.
Özet (Çeviri)
Chronic diseases generally require long-term treatment or care, and genetic diseases are health problems that can be transmitted from generation to generation through genes. Almost every disease negatively affects the quality of life of individuals. In recent years, it has become increasingly important to use deep learning algorithms effectively for the analysis of facial features, changing and developing anomalies in the face and disease diagnosis. In this study, the success of anomaly detection and disease classification from facial images with deep learning methods is investigated. This study evaluates the performance of the developed models compared to classical ESAs and aims to compare the success of different models. Transfer learning methods and different techniques were used to compare the performance of each model with other models. A classical ESA architecture and the ViT model are compared with binary disease success and performance. Multiple disease classification was performed with ESA architectures (Resnet50 and InceptionV3), visual transformers (ViT) and EfficientFormer. In the study, binary classification of all diseases, which we identified as four disease groups and one control group, was performed and the highest performance was obtained with the ViT model. Deep learning applications, especially the high success rate of the ViT model in facial diagnosis with small data sets, draw attention with the ability of newly developed models to produce effective results quickly and without the need for hybrid approaches. These developments show that these technologies can be used safely by making significant contributions to the prevention of human errors as well as reducing the patient burden of physicians in the medical field. In addition, the early diagnosis of some diseases without the need for interventional and radiological methods will increase the efficiency of health systems and provide significant savings in the health expenditures of countries. This will both reduce patient care costs and enable more efficient use of resources.
Benzer Tezler
- Derin öğrenme yöntemleri ile yüz görüntülerinden yaş kestirimi
Age estimation from facial images using deep neural networks
YUSUF ÇAĞRI DAŞKIN
Yüksek Lisans
Türkçe
2019
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. FÜSUN BALIK ŞANLI
- Derin öğrenme yöntemleri kullanılarak gerçek zamanlı insan yüz görüntüsünden yaş, cinsiyet, duygu durumu, yorgunluk ve kalp atış hızı tahmini
Estimation of age, gender, emotion, drowsiness and heart rate from real time human face image with deep learning methods
İLKER GALİP ATAK
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ YAŞAR
- Self- and weakly- supervised deep learning methods with applications in biometric and biomedical data
Kendinden- ve zayıf- denetimli derin öğrenme yöntemleri ile biyometri ve biyomedikal verilerdeki uygulamaları
MEHMET CAN YAVUZ
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiMühendislik ve Doğa Bilimleri Ana Bilim Dalı
PROF. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT
- Yürüyüş verilerinden makine öğrenmesi yöntemleri ile yaş tahmini
Age estimation from gait data using machine learning
VEDAT İMAÇ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSiirt ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VOLKAN MÜJDAT TİRYAKİ
- Mikroservis ile görüntü işleme tabanlı kimlik tanıma ve canlılık analiz sistemi
Image processing based identity recognition and liveness analysis system with microservice
ÖMER CAN ESKİCİOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ HAKAN IŞIK