Lösemi tespiti için kan hücrelerinin derin öğrenme tabanlı sınıflandırılması
Deep learning-based classification of blood cells for detection of leukemia
- Tez No: 897412
- Danışmanlar: DOÇ. DR. MUSTAFA KARHAN, DR. ÖĞR. ÜYESİ FEVZİ DAŞ
- 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: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Lösemi, esas olarak kanı ve kemik iliğini etkileyen bir kanser türü olarak, küresel sağlık açısından büyük bir endişe kaynağı olmaya devam etmektedir. Bu çalışma, kan yayması görüntülerinde normal ve lösemi hücrelerini doğru bir şekilde ayırt edebilen, hücre morfolojisine dayalı olarak farklı lösemi türlerini sınıflandırabilen ve erken lösemi tespitine yardımcı olabilecek bir derin öğrenme modeli tabanlı sistem geliştirmeyi amaçlamaktadır. Yaklaşımımızın etkinliğini değerlendirmek için mevcut birkaç modelle karşılaştırmalar yapılmıştır. Sonuçlar, doğruluk ve Alıcı İşletim Karakteristiği (ROC) ölçümlerinde önemli iyileşmeler göstermektedir. Özellikle, ResNet50v2 kullanan yöntemimiz %94.5 doğruluk ve 0.98 ROC puanı elde ederek, %91.0 doğruluk ve 0.96 ROC puanı elde eden VGG16 ve %79.51 doğruluk ve 0.85 ROC puanı elde eden MobileNetV2 gibi diğer modellerin üzerine çıkmıştır. Bulgular, yüksek doğruluk ve güçlü performansıyla ResNet50v2 'nin, teşhis süreçlerini ve hasta sonuçlarını önemli ölçüde iyileştirebileceğini ve klinik ortamlara entegrasyonunun faydalı olabileceğini göstermektedir. Bu çalışma, özellikle kan hücresi sınıflandırması yoluyla lösemi tespiti bağlamında, tıbbi görüntüleme ve otomatik teşhis alanına önemli katkılarda bulunmaktadır. İlk olarak, araştırma, özellikle ResNet50v2 'nin yüksek doğruluk ve güvenilirlik sağlayarak, daha hızlı ve daha kesin sonuçlar için klinik teşhislerde değerli bir araç olarak öne çıktığını vurgulamaktadır. İkinci olarak, model mimarisinin, özellikle kaybolan gradyanlar gibi zorlukları ele alan artık blokların (residual blocks) kullanımının kritik rolüne dikkat çekmektedir. Bu içgörü, belirli sinir ağı mimarilerinin tıbbi görüntü analizindeki performansı nasıl artırabileceğine dair daha geniş bir anlayışa katkıda bulunmaktadır. Son olarak, çalışmanın özgünlüğü, birden fazla modelin kapsamlı değerlendirilmesinde ve doğruluk ile verimlilik arasındaki dengeyi değerlendirmesinde yatmaktadır.
Özet (Çeviri)
Leukemia, a type of cancer that primarily affects the blood and bone marrow, remains a significant global health concern. This study aims to develop a deep learning model-based system capable of accurately differentiating between normal and leukemia cells in blood smear images, classifying different types of leukemia based on cell morphology, and aiding in early leukemia detection. To assess the effectiveness of our approach, we compared it with several existing models. The results demonstrate significant improvements in both accuracy and Receiver Operating Characteristic (ROC) metrics. Specifically, our method utilizing ResNet50v2 achieved an accuracy of 94.5% and an ROC score of 0.98, outperforming other models such as VGG16, which had an accuracy of 91.0% and an ROC of 0.96, and MobileNetV2, which achieved an accuracy of 79.51% and an ROC of 0.85. The findings suggest that ResNet50v2 , with its high accuracy and robust performance, could significantly improve diagnostic processes and patient outcomes, advocating for its integration into clinical settings. This study makes several significant contributions to the field of medical imaging and automated diagnosis, particularly in leukemia detection through blood cell classification. First, the research highlights the effectiveness of advanced deep learning models, especially ResNet50v2 , in achieving high accuracy and reliability, thereby establishing it as a valuable tool in clinical diagnostics for faster and more precise results. Second, it emphasizes the critical role of model architecture, particularly the use of residual blocks, which address challenges like vanishing gradients, allowing the model to learn complex features essential for accurate classification. This insight advances the broader understanding of how specific neural network architectures enhance performance in medical image analysis. Finally, the originality of the study lies in its thorough evaluation of multiple models and its assessment of the trade-offs between accuracy and efficiency.
Benzer Tezler
- Beyaz kan hücrelerinin evrişimli sinir ağları ile sınıflandırılması ve bölütlenmesi
Classification and segmentation of white blood cells using convolutional neural networks
ŞEYMA NUR ÖZCAN
Yüksek Lisans
Türkçe
2022
BiyomühendislikBaşkent ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TANSEL UYAR
DR. ÖĞR. ÜYESİ GÖKAY KARAYEĞEN
- Blood cell classification using machine learning and deep learning
Makine öğrenimi ve derin öğrenmeyle kan hücre sınıflandırması
MUHAMMAD ABUZAR ANWAR
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
prof. Dr. EYLEM GÜLCE ÇOKER
- Sayısal haritalama teknikleri kullanılarak DNA dizilimleri üzerinden lösemi hastalığının temel türlerinin yapay zeka tabanlı algoritmalar ile sınıflandırılması
Classification of main types of leukemia disease with artificial intelligence-based algorithms on the DNA sequences using digital mapping techniques
FATMA AKALIN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- Capture of circulating tumor cells from blood on modified gold surfaces inside the microfluidic channels
Kan dolaşımındaki kanser hücrelerinin modifiye edilmiş mikroakışkan kanaldaki altın yüzey üzerinde yakalanması
DİDEM ÇETİN
Yüksek Lisans
İngilizce
2019
BiyomühendislikOrta Doğu Teknik ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. HALUK KÜLAH
DOÇ. DR. ERHAN BAT
- Farklı lösemi tiplerinde nükleer manyetik rezonans tabanlı metabolomik profilleme
Nuclear magnetic resonance based metabolomic profiling in different types of leukemia
AYŞE ZEHRA GÜL
Tıpta Uzmanlık
Türkçe
2023
BiyokimyaBezm-i Alem Vakıf ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. ŞAHABETTİN SELEK