Derin öğrenme ve açıklanabilir yapay zekâ teknikleri ile beyin tümörlerinin tespiti ve analizi
Detection and analysis of brain tumors using deep learning and explainable artifical intelligence techniques
- Tez No: 881032
- Danışmanlar: DOÇ. DR. METE ÇELİK, DR. ÖĞR. ÜYESİ NUH AZGINOĞLU
- 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: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Beyin, vücudun yönetim merkezi olup, işlevlerindeki bozulmalar dikkatli inceleme ve acil müdahale gerektirmektedir. Sağlık çalışanları, beyin anormaliklerini tespit etmek için manyetik rezonans görüntüleme (MRG) kullanmaktadırlar. Bu teknik beyin kanamaları, inme ve tümörler gibi durumları belirlemede hayati öneme sahiptir. Hassas görüntü analizi ile doğru teşhis yapılabilmektedir, bu da erken müdahale ve özelleştirilmiş tedavi planlarına olanak tanımaktadır. Ancak, teşhis süreçlerinde eksiklikler ve insan hataları olabilmektedir. Derin öğrenme yöntemleri, teşhis doğruluğunu artırarak bu süreci iyileştirmeyi amaçlamaktadır. Derin öğrenme, görüntü analizi için yaygın olarak kullanılan güçlü bir yapay zekâ tekniğidir. Bilgisayarlar, karmaşık matematiksel modellerle eğitilerek nesne tanıma ve sınıflandırma görevlerini etkin bir şekilde yerine getirmektedir. Özellikle evrişimsel sinir ağları (ESA) süreçte kritik bir rol oynamaktadır ve sağlık alanında kullanılmaktadır. Bu çalışmada, beyin MR görüntülerinde tümör tespiti için 7 tane ESA tabanlı model kullanılmıştır. Kullanılan veri kümesi BRaTS 2021, 1200 kişiye ait yaklaşık 185,000 görüntü içermektedir. Modeller, veri kümesi ile eğitilmiş ve test edilmiştir. BRaTS 2021 veri kümesini eğitmek ve test etmek için kullanılan derin öğrenme modelleri arasında ResNet18, ResNet34, ResNet50, MobileNetV2, VGG16, DenseNet161 ve AlexNet bulunmaktadır. Bu modellerin başarısı, doğruluk, kesinlik, duyarlılık ve F1-skoru performans metrikleri kullanılarak gösterilmiştir. Ayrıca, her model için açıklanabilir yapay zekâ (AYZ) maskeleri analiz edilip, görselleştirilmiştir. AYZ yöntemlerini sayısal olarak değerlendirmek için 2 tane performans değerlendirme ölçütü kullanılmıştır.
Özet (Çeviri)
The brain is the control center of the body, and disruptions in its functions require careful examination and immediate intervention. Healthcare professionals use magnetic resonance imaging (MRI) to detect brain abnormalities. This technique is vital in identifying conditions such as brain hemorrhages, strokes, and tumors. Accurate diagnosis can be achieved through precise image analysis, enabling early intervention and personalized treatment plans. However, there can be deficiencies and human errors in the diagnostic processes. Deep learning methods aim to improve this process by increasing diagnostic accuracy. Deep learning is a powerful artificial intelligence technique widely used for image analysis. Computers are trained with complex mathematical models to effectively perform object recognition and classification tasks. Convolutional neural networks (CNN), in particular, play a critical role in this process and are used in the healthcare field. In this study, 7 CNN-based models were used for tumor detection in brain MRI. The dataset used, BRaTS 2021, contains approximately 185,000 images from 1,200 persons. The models were trained and tested with this dataset. The deep learning models used to train and test the BRaTS 2021 dataset include ResNet18, ResNet34, ResNet50, MobileNetV2, VGG16, DenseNet161, and AlexNet. The success of these models was demonstrated using performance metrics such as accuracy, precision, recall, and F1-score. Additionally, explainable artificial intelligence (XAI) masks were analyzed and visualized for each model. Two performance evaluation metric were used to quantitatively assess the XAI methods.
Benzer Tezler
- Çocuk kalp damar cerrahisi yoğun bakım ünitesinde postoperatif kavşak kaynaklı ektopik taşikardi; sıklık ve risk faktörleri
Junctional ectopic tachycardia after pediatric cardiac surgery; incidence and outcome
NESLİHAN KIPLAPINAR
Tıpta Yan Dal Uzmanlık
Türkçe
2013
Göğüs Kalp ve Damar CerrahisiSağlık BakanlığıÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. ENDER ÖDEMİŞ
- 8 haftalık futbol antrenmanının 14-16 yaş grubundaki öğrencilerin fiziksel ve fizyolojik özellikleri üzerine etkileri
The effects of an eight weeks football workout on the physical and physiological features of students in the 14-16 age group
METİN KOCADAĞ
Yüksek Lisans
Türkçe
2014
SporHarran ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
YRD. DOÇ. DR. ŞEBNEM ŞARVAN CENGİZ
- Ege Üniversitesi Etnografya Müzesinde bulunan takıların teknik ve tasarım özelliklerinin incelenmesi
Ethnographic museum of the University of the Aegean jewellery found properties of technical and design
MÜJGAN EMRE EROĞLU
Yüksek Lisans
Türkçe
2013
Güzel SanatlarDokuz Eylül ÜniversitesiTekstil ve Moda Tasarımı Ana Sanat Dalı
YRD. DOÇ. DR. FÜSUN ÖZPULAT
- Yavuz Sultan Selim Dönemi Kültür ve Edebiyatı
The Culture and Literature in the era of Yavuz Sultan Selim
ÖMER GÖKHAN YAĞCI
Doktora
Türkçe
2014
Türk Dili ve EdebiyatıKırıkkale ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı
PROF. DR. MUHİTTİN ELİAÇIK
- Deri ve yumuşak doku enfeksiyonu etkeni olan toplum ve hastane kaynaklı staphylococcus aureus izolatlarının antimikrobiyal duyarlılık durumlarının ve panton valentıne leukocıdın toksini sıklığının araştırılması
Investigation of panton valentine leukocidin toxin frequency and antimicrobial susceptibilities of community and hospital acquired staphylococcus aureus isolates related with skin and soft tissue infections
TÜLİN DEMİR
Tıpta Uzmanlık
Türkçe
2008
MikrobiyolojiSağlık BakanlığıTıbbi Mikrobiyoloji Ana Bilim Dalı
DR. NİLAY ÇÖPLÜ