Geri Dön

Bilgisayarlı tomografi (BT) görüntülerinden akciğer kanser hücrelerinin yapay zeka teknikleri ile bulunması

Detection of lung cancer from computed tomography (CT) scans using artificial intelligence techniques

  1. Tez No: 879667
  2. Yazar: MUHİTTİN GENÇ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ FUNDA AKAR
  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: Erzincan Binali Yıldırım Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka ve Robotik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 105

Özet

Akciğer kanseri, dünya genelinde yüksek ölüm oranlarına sahip ölümcül bir hastalık olarak öne çıkmaktadır. Erken teşhis, hastalığın etkili bir şekilde tedavi edilebilmesi açısından kritik bir öneme sahiptir. Bu çalışma, akciğer kanserinin erken teşhisinde yapay zekâ tekniklerinin rolünü incelemekte ve sağladığı avantajları vurgulamaktadır. Bu bağlamda, yapay zekâ destekli teşhis sistemlerinin, radyologların iş yükünü azaltarak doğruluk oranlarını artırma potansiyeli, akciğer kanseri teşhisindeki yöntemleri önemli ölçüde iyileştirebileceği öngörülmektedir. Bu çalışmada, Evrişimli Sinir Ağları (CNN) ve YOLO algoritması kullanılarak gerçekleştirilen akciğer kanseri teşhisinde elde edilen sonuçlar değerlendirilmiştir. Hem CNN hem de YOLO modelinin medikal görüntüler üzerindeki başarısı, 6 farklı veri seti üzerinden karşılaştırılarak analiz edilmiştir. Tüm veri setleri arasında, CNN modeli için en yüksek F1-Skoru %99,85 ile histogram eşitleme ve kontrast sınırlı uyarlanabilir histogram eşitlemesi yapılan veri seti üzerinde elde edilmiştir. YOLO modeli için ise yine aynı ön işleme tekniği uygulanan veri setinde en yüksek F1-Skoru %96 olarak elde edilmiştir.

Özet (Çeviri)

Lung cancer stands out as a deadly disease with high mortality rates worldwide. Early diagnosis is critical for effective treatment of the disease. This study investigates the role of artificial intelligence techniques in early diagnosis of lung cancer and highlights the advantages they provide. In this context, it is predicted that AI-assisted diagnostic systems can significantly improve the methods in lung cancer diagnosis by reducing the workload of radiologists and increasing accuracy rates. In this study, results obtained in lung cancer diagnosis using Convolutional Neural Networks (CNN) and YOLO algorithm have been evaluated. The success of both CNN and YOLO model on medical images was compared and analyzed over 6 different datasets. Among all datasets, the highest F1-Score for the CNN model was obtained on the dataset that was subjected to histogram equalization and contrast limited adaptive histogram equalization (CLAHE) with 99.85%. For the YOLO model, the highest F1-Score was obtained at 96% on the dataset where the same preprocessing technique was applied.

Benzer Tezler

  1. Peritoneal karsinomatozisli olgularda primer tümör odağının saptanmasında bilgisayarlı tomografi doku analizinin etkinliği

    Effectiveness of computerized tomography texture analysis in determining the primary tumor focus in cases with peritoneal carcinomatosis

    MUSTAFA ALPER BOZKURT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Radyoloji ve Nükleer TıpSelçuk Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. MUSTAFA KOPLAY

  2. Akciğer BT görüntülerinden tümörlü verilerin farklı derin öğrenme modelleriyle tahmini

    Prediction of tumor data from lung CT images with different deep learning models

    VOLKAN ÇETİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR

  3. Bilgisayarlı tomografi (BT) görüntüleri üzerinde akciğer nodüllerinin otomatik teşhisi ve üç boyutlu modellenmesi

    Automated diagnosis and 3d modeling of the lung nodules on the base of CT scans

    AHMED DEMİRPOLAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. REFİK SAMET

  4. BT görüntülerinde akciğer pnömonisi ile ilişkili 13. jenerasyon hava ve damar yollarının segmentasyonuna imkan sağlayacak onkolojik bulguların sayısal olarak değerlendirilmesi

    Quantitative evaluation of oncological findings related to pulmonary pneumonia on CT images to allow segmentation of 13th generation airways and pulmonar vessels

    NUR EKENEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    OnkolojiEge Üniversitesi

    Temel Onkoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZKAN DOĞANAY

  5. Akciğer PET/BT görüntülerinden kanser tanısına yönelik öz nitelik çıkarma ve klinik pratikte kullanılabilirliği

    Assessment of relationship between texture analysis parameters obtained on FDG-PET/CT and tumor metabolism and hystopathological findings in NSCLC

    SEYHAN KARAÇAVUŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    BiyomühendislikErciyes Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEMRA İÇER