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
- Tez No: 879667
- Danışmanlar: DR. ÖĞR. ÜYESİ FUNDA AKAR
- 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: Erzincan Binali Yıldırım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka ve Robotik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Segmentation of colon nuclei images using deep learning
Kalın bağırsak hücre görüntülerinin derin öğrenme kullanılarak bölütlenmesi
ATAKAN ÖZKAN
Yüksek Lisans
İngilizce
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- 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
2022
Radyoloji ve Nükleer TıpSelçuk ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. MUSTAFA KOPLAY
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR
- 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
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. REFİK SAMET
- 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
2022
OnkolojiEge ÜniversitesiTemel Onkoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZKAN DOĞANAY