Derin öğrenme ile helmint yumurtalarının ve protozoonların tespiti
Detection of helminth eggs and protozoons with deep learning
- Tez No: 889289
- Danışmanlar: DR. HAKAN YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Biyoloji, Biyomühendislik, Biology, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
Helmintozlar veya helmintik istilalar, hayvan ve insan vücuduna özel parazitlerin (helmintlerin) girmesiyle tetiklenen akut bulaşıcı hastalıklardır. Bu tür patolojilerin sistemik bir etkisi vardır ve neredeyse her zaman kronik bir rejimde ortaya çıkar. Protozoal enfeksiyonlar veya protozoalar insanlarda, evcil hayvanlarda ve ticari hayvanlarda ciddi hastalıklara neden olur. Nüfusun protozoal enfeksiyonlarla enfekte olma oranı çok yüksektir. Protozoalar kan, bağırsak, merkezi sinir sistemi, karaciğer, akciğerler gibi çeşitli organlarda ve dokularda parazit olarak yaşar. Protozoalar yayılması kistlerin yutulması (uyku hali aşaması), cinsel ilişki yoluyla veya vektör böcekler (ısırık yoluyla hastalıkları bulaştıran böcekler) yoluyla gerçeklesir. Zamanında gerekli önlemler alınmadığı takdirde, helmintler ve protozoonlar hayvan ve insan vücudunda ciddi sorunlara neden olabilmektedir. Hatta ölüme yol açabilmektedir. Bundan dolayı helmintlerin ve protozonların erken tespiti çok önemlidir. Dünya genelinde parazitlerin tespiti için insan veya hayvandan kan ve idrar örnekleri alınır. Sonra alınan örneklerden laboratuvar tekniklerini kullanarak preparat elde edilir ve mikroskop yardımıyla incelenir. Günümüzde yapay zekâ teknikleri, insan yaşamının hemen her alanında büyük rol oynamaktadır. Bu tez çalışmasında, ışık mikroskoplarından çekilen görüntüler üzerinde helmint yumurtaları ve protozoonları yapay zekâ teknikleri yardımıyla tespit etmek hedeflenmiştir. Görüntüler üzerinde parazitleri bulmak için açık kaynaklı geliştirilmiş MRCNN modeli kullanılmıştır. Protozoa ve helmint yumurtası görüntüleri MECOS adlı özel bir şirketten temin edilmiştir. Bu tezin amacı, yalnızca protozoa ve helmint yumurtalarının tespiti ile sınırlı olmayıp, aynı zamanda bu sürecin gerektirdiği önemli hususları anlamaktır. Preparatlar, hayvan ve insanlardan elde edilen örneklerden hazırlanmakta olup, bu nedenle son derece kısa ömürlüdürler. Preparat hazırlandıktan sonra tamamen kuruyana kadar geçen süre, çevresel koşullara bağlı olarak 25 dakikadan daha kısa 2 olabilir. Bu sebeple, preparatlar yalnızca bu kısa zaman dilimi içinde analiz edilmelidir. Laboratuvarlarda yeterli sayıda nitelikli parazitolog bulunmaması ve bazı bölgelerde laboratuvar imkanlarının tamamen eksik olması, tespit ve tedavi süreçlerinde aksamalara yol açmaktadır. Ayrıca bu durum, mevcut laboratuvarların aşırı yüklenmesine sebep olmakta ve olası bir salgın durumunda yaşanacak sorunların büyüklüğünü öngörmeyi zorlaştırmaktadır. Çalışmada önerilen algoritma, motorize mikroskoplar ile elde edilen dijital görüntüler üzerinde çalışmaktadır. Geliştirilen analiz modeli, dijitalleştirilmiş veriler üzerinde çalışarak protozoa ve helmint yumurtalarının tespitini gerçekleştirebilir. Bu yaklaşım, doktorların tüm preparatı manuel olarak inceleme zorunluluğunu ortadan kaldırarak iş yüklerini hafifletecek ve analiz sürecini daha verimli hale getirecektir. Böylece, sağlık çalışanları için daha hızlı ve etkili bir tanı süreci sağlanmış olacaktır. Bu sistem, özellikle laboratuvar imkanlarının sınırlı olduğu bölgelerde ve salgın durumlarında, kritik bir çözüm sunarak teşhis ve tedavi süreçlerine önemli bir katkı sağlayabilir. Çalışma sonucunda helmint yumurtalarının ve protozoaların tespitinde %90,13 doğruluk, %90,51 hassasiyet, %80,76 duyarlılık ve 85,36 F1 puanı elde edilmiştir.
Özet (Çeviri)
Helminthiasis or helminthic infestations are acute infectious diseases triggered by the invasion of specific parasites (helminths) into the bodies of humans and animals. These pathologies often have systemic effects and typically manifest in a chronic mode. Protozoal infections, caused by protozoa, lead to severe diseases in humans, pets, and livestock. Protozoa can parasitize various organs and tissues, including blood, intestines, the central nervous system, liver, and lungs. The spread of protozoa occurs via the ingestion of cysts (dormant stage), sexual transmission, or through vector insects (insects that transmit diseases through bites). If timely precautions are not taken, helminths and protozoa can cause severe complications in both humans and animals, potentially leading to death. Therefore, early detection of helminths and protozoa is crucial. Globally, blood and urine samples are taken from humans or animals for parasite detection. Using laboratory techniques, preparations are made from these samples, which are then examined under a microscope. Today, artificial intelligence (AI) techniques play a crucial role in almost every aspect of human life. This thesis aims to detect helminth eggs and protozoa using AI techniques on images captured from light microscopes. To detect parasites in these images, the Mask R-CNN (MRCNN) model, an open-source tool, has been utilized. Images of protozoa and helminth eggs were provided by a private company, MECOS. The objective of this thesis is not only limited to detecting protozoa and helminth eggs but also to understanding the critical aspects of the process. The preparations are made from samples obtained from animals and humans, and thus, they have a very short lifespan. Once a preparation is made, it can dry up completely in less than 25 minutes, depending on environmental conditions. Therefore, preparations are only suitable for analysis within this brief time frame. The lack of sufficient qualified parasitologists in laboratories, coupled with the absence of laboratory facilities in certain regions, leads to delays in timely detection and treatment processes. Furthermore, this situation contributes to the overloading of existing laboratories, making it difficult to predict the scale of potential problems during an epidemic. The algorithm proposed in this study operates on digital images obtained from motorized microscopes. The developed analysis model works on the digitized data to detect protozoa and helminth eggs. This approach eliminates the need for doctors to manually examine the entire preparation, reducing their workload and making the analysis process more efficient. Consequently, a faster and more effective diagnostic process will be provided to healthcare professionals. This system presents a critical solution, particularly in regions with limited laboratory resources and in epidemic situations, making a significant contribution to diagnosis and treatment processes. As a result of this study, 90.13% accuracy, 90.51% precision, 80.76% sensitivity, and an F1 score of 85.36 were achieved in detecting helminth eggs and protozoa.
Benzer Tezler
- Derin öğrenme ile Türkçe sağlık metinleri üzerinde olumsuz anlam tespiti
Negation detection in Turkish medical texts with deep learning
ZANA SÖĞÜT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ DİKENELLİ
- Crowd localization and counting via deep flow maps
Derin öğrenme ile çıkarılan hareket haritaları kullanılarak nesne kalabalıklarının tespiti ve sayımı
PEDRAM YOUSEFI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL
- Face presantation attack detection by deep learning
Derin öğrenme ile yüz sunum saldırı tespiti
MUHAMMED SELAMCIOĞLU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMET GÖKHAN ERDEM
- 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
- Derin öğrenme ile görsel benzerliklerin bulunması ve müşteri sepet analizi ile e-ticaret alışverişleri için ürün önerisi
Finding visual similarities with deep learning and product recommendation for e-commerce shopping with customer basket analysis
ESRA PULAT
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SELİN SONER KARA