Tıbbi görüntülerden derin öğrenme tabanlı hastalık teşhisi için öznitelik çıkarma, sıralama ve seçme yöntemlerine dayalı yeni bir karar destek sistemi
A new decision support system based on feature extraction, ranking and selection methods for deep learning-based disease diagnosis from medical images
- Tez No: 881044
- Danışmanlar: PROF. DR. MEHMET EMİN YÜKSEL
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Tıbbi görüntüler, AlexNet, ResNet-101, Öznitelik vektörü çıkarma, Öznitelik sıralama, Öznitelik seçme, Makineli öğrenme, Sınıflandırma, Karar destek sistemi, Medical images, AlexNet, ResNet-101, Feature vector extraction, Feature ranking, Feature selection, Machine learning, Classification, Decision support system
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
- Sayfa Sayısı: 100
Özet
Dünya genelindeki doktor sayısının yetersizliği; doktorların iş yükünü oldukça arttırırken, hastalarında doğru, vaktinde ve erişilebilir maliyette sağlık hizmeti almasını engellemektedir. Bu yüzden doktorların iş yükünü azaltacak, hastaların doğru ve vaktinde sağlık hizmeti almasını sağlayacak bir sistem geliştirilmesi oldukça önemlidir. Bu çalışmada tıbbi görüntülerle teşhis edilebilen hastalıkların hızlı ve etkin bir şekilde teşhis edilmesini sağlayan yeni bir yöntem önerilmektedir. Önerilen yöntem, AlexNet, ResNet-101 ve AlexNet + ResNet-101 sinir ağları ile öznitelik çıkarma, iki örneklemli z-test yöntemiyle öznitelik sıralama ve ikili genetik algoritma (BGA) yöntemiyle öznitelik seçme yöntemlerinin kombine bir şekilde kullanılması yoluyla tıbbi görüntülerin çok az sayıda öznitelikle, hızlı ve yüksek doğrulukla sınıflandırılmasını sağlayan ve bu yolla düşük maliyetli donanımlar üzerinde gerçeklenebilen bir karar destek sistemi yöntemidir. Yöntemin performansı 3 farklı veri seti üzerinde, 4-katlı çapraz doğrulama ile k-En Yakın Komşu (KNN) ve Destek Vektör Makineleri (SVM) sınıflandırıcıları kullanılarak değerlendirilmiştir. Elde edilen sonuçlar, önerilen yöntemin tıbbi görüntülerin çok az öznitelikle hızlı ve yüksek doğrulukla sınıflandırılmasında etkin rol oynadığını göstermiştir.
Özet (Çeviri)
The continuing shortage of medical professionals around the world steadily escalates their workload while hindering patients from accessing suitable, timely, and cost-effective health services. Therefore, it becomes increasingly crucial to develop appropriate decision support systems that will alleviate the workload of medical professionals while ensuring that patients receive suitable and timely health services. This study introduces a novel method for the rapid and accurate diagnosis of diseases using medical images acquired through various medical imaging techniques. The proposed approach is based on the combined use of feature extraction using AlexNet, ResNet-101, AlexNet + ResNet-101 neural networks, feature ranking with two-sample z-test, and feature selection with binary genetic algorithm. From this respect, the proposed approach is an innovative decision support system that provides rapid and accurate classification of medical images using much fewer features and can be deployed on low-cost hardware. The performance of the proposed method was assessed using three distinct datasets by implementing k-Nearest Neighbors (KNN) and Support Vector Machine (SVM) classifiers with 4-fold cross validation. Obtained results demonstrate that the proposed method is very successful in highly accurate classification of medical images despite utilizing much fewer features leading to significantly lower computational cost.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Derin öğrenme ile covıd-19, beyaz kan hücreleri, tüberküloz ve kalp krizi riskinin analizi
Analysis of covid-19, white blood cells, tuberculosis and heart attack risk by using deep learning
ÖMER SEVİNÇ
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İMAN ASKERBEYLİ
DOÇ. DR. MEHMET SERDAR GÜZEL
- Maymun çiçeği cilt lezyonunun tespiti için derin öğrenme yöntemlerinde optimizasyon tabanlı özellik seçimi
Optimization-based feature selection in deep learning methods for monkeypox skin lesion detection
AHMET CİRAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDAL ÖZBAY
- Classification of knee osteoarthritis severity using deep learning with fully supervised and semi-supervised-based approaches
Derin öğrenme ile tamamen denetimli ve yarı-denetimli yaklaşım tabanlı diz osteoartrit şiddetinin sınıflandırılması
İLKNUR AKTEMUR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKAY ÖKSÜZ
- Bilgisayarlı tomografi görüntülerinde derin öğrenme tabanlı çoklu organ segmentasyonu
Deep learning based multi organ segmentation in computed tomography images
BEYZA KAYHAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAİT ALİ UYMAZ