Derin öğrenme yöntemleri kullanılarak mide displazisinin erken dönemde tespiti
Early detection of gastric dysplasia using deep learning methods
- Tez No: 898067
- Danışmanlar: DOÇ. DR. SEDA ARSLAN TUNCER
- 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: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- 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
- Mide kanserinde yapay zekâ yaklaşımı ile sağkalım analizi
Survival analysis with artificial intelligence approach in gastric cancer
ALİ GÜNER
Doktora
Türkçe
2023
BiyoistatistikKaradeniz Teknik ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURÇİN KURT
- Mining colonoscopy images for abnormality detection
Anormallik tespiti için veri madenciliği
RUKİYE NUR KAÇMAZ
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT YILMAZ
- 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
2023
Eğitim ve Öğretimİstanbul Medeniyet Üniversitesiİngiliz Dili Eğitimi Ana Bilim Dalı
PROF. DR. SELAMİ AYDIN
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ
- Derin öğrenme yöntemleri kullanılarak Türkiye'deki depremlerin tahmini
Prediction of earthquakes in Turkey using deep learning methods
MERVE ÇELİK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EFNAN ŞORA GÜNAL