Röntgen görüntülerinin derin öğrenme algoritmalarıyla sınıflandırılması
Classification of X-ray images with deep learning algorithms
- Tez No: 878600
- Danışmanlar: DR. ÖĞR. ÜYESİ TARIK YILMAZ, DOÇ. DR. SADULLAH TURHAN
- Tez Türü: Yüksek Lisans
- Konular: Ortopedi ve Travmatoloji, Orthopedics and Traumatology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Aksaray Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Günümüzde yapay zeka algoritmaları, hızları ve doğrulukları nedeniyle modern sağlık sistemlerinde, personellere yardımcı olmak adına, sıklıkla kullanılmaktadır. Ortopedi servisinin olmadığı ya da sağlık sistemine uzak mesafede bulunan yerlerde yaşayan bireylerin yaşadıkları kemik kırığı problemlerinin hızlı ve doğru bir şekilde teşhis edilmesi önem arz etmektedir. Bu çalışmada, röntgen görüntüleri derin öğrenme algoritmalarıyla işlenerek, kırık olup olmadığı, varsa kırığın yerinin tespit edilmesi amaçlanmaktadır. Çalışmada; You Only Look Once (YOLOv8 ve YOLOv9) algoritmaları kullanılmıştır. Yapılan değerlendirmeler, en iyi sonucun, gerçek zamanlı nesne tespitine imkân tanıyan ve en güncel algoritma olarak bilinen YOLO algoritmasının 9. versiyonu ile alındığını göstermiştir. Geliştirilen yeni yaklaşım ve kullanılan YOLOv9 algoritmasıyla, %97 mAP50 değerine ulaşılmıştır. Derin öğrenme modelinin geliştirilmesi aşamasında, Stanford Üniversitesi Makine Öğrenmesi Grubu tarafından oluşturulan ve halka açık en büyük radyografik görüntü veri kümelerinden biri olan MURA v1.1 veri seti kullanılmıştır. Bu veri seti, çeşitli kırık türlerini içeren geniş bir yelpazeye sahip olup, modelin eğitimi ve test edilmesi için idealdir. Sonuç olarak, geliştirilen yöntem ile profesyonel sağlık hizmetlerine ulaşımın zor ya da imkânsız olduğu yerlerde yaşayan bireylerin yaşadığı kemik kırığı problemlerini hızlı ve doğru bir şekilde teşhis etmek ve aynı zamanda acil servislerdeki yoğunluk kaynaklı teşhis hatalarını en aza indirmek üzere bir uygulama geliştirilmiştir.
Özet (Çeviri)
Nowadays, artificial intelligence algorithms are frequently used in modern healthcare systems to assist staff due to their speed and accuracy. It is important to quickly and accurately diagnose bone fracture problems experienced by individuals living in places where there is no orthopedic services or far away from the health care system. In this study, X-ray images are processed with deep learning algorithms to determine whether there is a fracture or not, and if there is a fracture, to detect the location of the fracture. You Only Look Once (YOLOv8 and YOLOv9) algorithms were used in the study. The evaluations showed that the best results were obtained with the 9th version of the YOLO algorithm, which is known as the most up-to-date algorithm that allows real-time object detection. With the new approach we have developed and with usage of YOLOv9 algorithm, a mAP50 value of 97% was achieved. The MURA v1.1 dataset, which is one of the largest publicly available radiographic image datasets created by the Stanford University Machine Learning Group, was used to develop the deep learning model. This dataset contains a wide range of fracture types and is ideal for training and testing the model. As a result, an application has been developed to quickly and accurately diagnose bone fracture problems experienced by individuals living in areas where access to professional healthcare services is difficult or impossible, and at the same time minimize the diagnostic errors due to overcrowding in emergency services.
Benzer Tezler
- Medikal görüntülerin ön-eğitilmiş derin öğrenme modelleriyle sınıflandırılmasında metasezgisel optimizasyon algoritmalarıyla öznitelik seçimi performanslarının karşılaştırılması
Comparison of feature selection performances using metaheuristic optimization algorithms in classification of medical images with pre-trained deep learning models
MELİSA BİÇER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAMZA EROL
- Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images
Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı
OZAN GÜLDALİ
Yüksek Lisans
İngilizce
2021
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL İNAN
- Göğüs röntgen görüntülerini kullanarak derin transfer öğrenme yöntemleriyle COVID-19 tespiti
COVID-19 detection by deep transfer learning methods using chest X-ray images
AYŞE EMİNE DURU ÇOBAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASEMİN GÜLTEPE
- Scroth yöntemiyle skolyoz tedavisi için derin öğrenme tabanlı bir sistem geliştirilmesi
Development of a deep learning based system for the treatment of scoliosis with the Schroth method
SENA GORAL
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. UTKU KÖSE
- Diş röntgen görüntülerinde hastalık ve materyal tespiti için makine öğrenmesine dayalı yaklaşımlar
Machine learning-based approaches for disease and material detection in dental x-ray images
ANDAÇ İMAK
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR