Geri Dön

Derin öğrenme yöntemleri kullanılarak mide displazisinin erken dönemde tespiti

Early detection of gastric dysplasia using deep learning methods

  1. Tez No: 898067
  2. Yazar: SEDA SAĞIROĞLU
  3. Danışmanlar: DOÇ. DR. SEDA ARSLAN TUNCER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 71

Özet

Dünya genelinde kanser oranı, ülkelere ve bölgelere göre değişiklik gösterir. Kanser oranı, bir grup insanların kanser teşhisi alma olasılığını ifade etmektedir. Bu oran, genellikle 100,000 kişi başına kanser vakası olarak ifade edilir ve yıllık olarak raporlanır. Kanser, vücudumuzun herhangi bir yerindeki hücrelerin kontrolsüz çoğalması ve büyümesidir. Kanser hücreleri, normal hücrelerden farklı olarak, ölmeyi bilmezler ve sürekli olarak çoğalmaya devam ederler. Bu durum, doku ve organlarda hasara neden olarak kanser hastalığına yol açar. Kanser oranları etkileyen birçok faktör vardır, bunlar arasında yaşam tarzı seçimleri, genetik yatkınlık, çevresel etkenler ve erken teşhis yer alır. Sigara içme, alkol tüketimi, obezite, sağlıksız beslenme, hareketsiz yaşam tarzı ve maruz kalınan kanserojen maddeler kanser üzerinde etkilidir. Mide displazisi, midenin iç yüzeyini kaplayan hücrelerin normal şekilde büyümesini ve gelişmesini durdurmasıdır. Bu hücreler, kontrolsüz bir şekilde büyümeye ve çoğalmaya başlar ve sonunda mide kanserine dönüşmektedir. Bu hastalığı kansere dönüşmeden en aza indirgeyebilmek temel hedeftir. Bunun için bu tez çalışmasında, mide displazisinin erken evrede tespiti için derin öğrenme ve Evrişimsel Sinir Ağları (ESA) teknikleri kullanıldı. Çalışmada histopatolojik görüntüler üzerinde birden fazla ESA modeli kullanılarak özellik çıkarma işlemi yapılmıştır. Çalışmada VGG16, VGG19, ResNet, MobileNet, NasNet ve EfficientNet modelleri kullanılarak yapılan özellik çıkarma sonucu elde edilen özellikler, Destek Vektör Makinesi (DVM), En Yakın Komşu (KNN) ve Çok Katmanlı Algılayıcılar (ÇKA) sınıflandırıcıları kullanılarak üç ayrı sınıfa ayrılmıştır. Ayrıca ESA modeli kullanılmıştır. Elde edilen sonuçlar evrişimli sinir ağlarının hasta ve sağlıklı görüntüleri sınıflandırmada başarılı bir yöntem olduğunu kanıtlamıştır.

Özet (Çeviri)

The cancer rate around the world varies by country and region. Cancer rate refers to the probability that a group of people will be diagnosed with cancer. This rate is usually expressed as cancer cases per 100,000 people and is reported annually. Cancer is the uncontrolled proliferation and growth of cells anywhere in our body. Cancer cells, unlike normal cells, do not know how to die and continue to multiply constantly. This situation causes damage to tissues and organs, leading to cancer. There are many factors that affect cancer rates, including lifestyle choices, genetic predisposition, environmental factors and early diagnosis. Smoking, alcohol consumption, obesity, unhealthy diet, sedentary lifestyle and exposure to carcinogenic substances are effective on cancer. Gastric dysplasia is when the cells lining the inner surface of the stomach stop growing and developing normally. These cells begin to grow and multiply uncontrollably and eventually turn into stomach cancer. The main goal is to minimize this disease before it turns into cancer. For this reason, in this thesis study, deep learning and Convolutional Neural Networks (ESA) techniques were used to detect gastric dysplasia at an early stage. In the study, feature extraction was performed on histopathological images using more than one ESA model. In the study, the features obtained as a result of feature extraction using VGG16, VGG19, ResNet, MobileNet, NasNet and EfficientNet models were divided into three separate classes using Support Vector Machine (SVM), Nearest Neighbor (KNN) and Multi-Layer Perceptrons (MCA) classifiers. Additionally, the ESA model was used. The results obtained proved that convolutional neural networks are a successful method in classifying sick and healthy images.

Benzer Tezler

  1. Mide kanserinde yapay zekâ yaklaşımı ile sağkalım analizi

    Survival analysis with artificial intelligence approach in gastric cancer

    ALİ GÜNER

    Doktora

    Türkçe

    Türkçe

    2023

    BiyoistatistikKaradeniz Teknik Üniversitesi

    Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURÇİN KURT

  2. Mining colonoscopy images for abnormality detection

    Anormallik tespiti için veri madenciliği

    RUKİYE NUR KAÇMAZ

    Doktora

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiAbdullah Gül Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT YILMAZ

  3. Well-being, burnout, and teaching anxiety among EFL teachers

    İngilizce öğretmenlerinin iyilik hali, tükenmişlik duygusu ve öğretme kaygısının incelenmesi

    AYŞE MİNE ONAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Eğitim ve Öğretimİstanbul Medeniyet Üniversitesi

    İngiliz Dili Eğitimi Ana Bilim Dalı

    PROF. DR. SELAMİ AYDIN

  4. Derin öğrenme yöntemleri kullanılarak beyin tümörü tiplerinin ve sınırlarının tahminlenmesi

    Prediction of brain tumor types and limits using deep learning methods

    MERVE PINAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ

  5. Derin öğrenme yöntemleri kullanılarak Türkiye'deki depremlerin tahmini

    Prediction of earthquakes in Turkey using deep learning methods

    MERVE ÇELİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EFNAN ŞORA GÜNAL