Adapting a deep learning model for kidney stone detection based on ensemble learning
Derin öğrenme modelinin topluluk öğrenimine dayalı olarak böbrek taşı tespiti için uyarlanması
- Tez No: 918660
- Danışmanlar: DR. ÖĞR. ÜYESİ FATMA ÖZGE ÖZKÖK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 83
Özet
Böbrek taşı hastalığının doğru tanısı önemli bir sağlık sorunudur ve uygun tedavi için doğru tanımlama gerektirir. Derin öğrenme yöntemleri biyomedikal alanda hastalık tanısı için giderek daha değerli araçlar olarak kabul edilmektedir. Ancak, derin ağları kullanan mevcut modellerin çoğu aşırı uyum ve düşük doğruluk gibi sorunlarla karşı karşıyadır ve daha iyi performans için daha fazla iyileştirme gerekmektedir. Bu olguyu azaltmak için araştırmacılar, modellerin performansını iyileştirmek için evrimsel algoritmaların hizmetlerinden yararlanmaya çalışmaktadır. Bu bağlamda, çözümün yerel bölgede takılıp kalmasını ve küresel tarafa geçmesini önleyen yeni bir mekanizma ekleyerek politik optimizasyon algoritmasına (EPO) bir geliştirme önerdik ve 50 kıyaslama probleminde test ettikten sonra yüksek sonuçlar elde etti. Daha sonra bunu ikili forma (Binary Enhancement Political Optimizer) (BEPO) dönüştürdük ve önerilen modele entegre ettik. Bu makalede öne sürülen model, özellik çıkarma için CNN, özellik seçimi için BEPO ve sınıflandırma için Rastgele Orman (RO), XGBossing (XGB) ve AdaBoost Modellerinin çapraz doğrulama tabanlı yığılmış topluluğunun yeni bir kombinasyonunu sunarak bu zorlukları çözmeye çalışmaktadır. Önerilen model, 1799 BT görüntüsü ve 12,446 BT görüntüsünden oluşan iki veri kümesi üzerinde yürütülen deneysel sonuçlarla kanıtlanmıştır. 1799 görüntüden oluşan veri kümesinde, model %99,71 doğrulukta performans gösterirken, 12,446 görüntüden oluşan daha büyük veri kümesinde %99,70 doğruluk elde etmektedir.
Özet (Çeviri)
Accurate diagnosis of kidney stone disease is an important health concern and requires correct identification for appropriate treatment. Deep learning methods are increasingly recognized as valuable tools for disease diagnosis in the biomedical field. However, most current models using deep networks face problems such as overfitting and low accuracy, and further refinement is required for better performance. To reduce this phenomenon, researchers are trying to benefit from the services of evolutionary algorithms to improve the performance of models. In this regard, we proposed an enhancement to the political optimizer algorithm (EPO) by adding a new mechanism that prevents the solution from sticking in the local region and crossing over to the global side, where it achieved high results after testing it on 50 benchmark problems. We then converted it to the binary form (Binary Enhancement Political Optimizer) (BEPO) and integrated it into the proposed model. The model put forward in this paper tries to solve these challenges by introducing a new combination of CNN for feature extraction, BEPO for feature selection, and a cross-validation-based stacked ensemble of Random Forest (RF), XGBossing (XGB), and AdaBoost Models for classification. The proposed model has been proven by the experimental results conducted on two datasets, comprising 1,799 CT images and 12,446 CT images. On the dataset of 1,799 images, the model performs at an accuracy of 99.71%, while on the larger dataset of 12,446 images, it achieves an accuracy of 99.70%.
Benzer Tezler
- Osmanlıca el yazması belgeler için derin öğrenme tabanlı karakter tanıma yöntemi
Deep learning based character recognition method for Ottoman manuscript documents
ALİ ALPER DEMİR
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSüleyman Demirel ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UFUK ÖZKAYA
- Dynamic heuristic approach to enhance the performance of few-shot meta-learning
Az örnekle meta-öğrenmenin performansını artırmak için dinamik heuristik bır yaklaşım
ÖMER MİRHAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. NUMAN ÇELEBİ
- Deep learning ensembles for image understanding
Başlık çevirisi yok
SARA ATITO ALI AHMED
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT
- Öz bilgi destekli derin öğrenme yaklaşımları ile hsg gürültü giderme
Self-ınformation empowered deep learning approaches for hsı denoising
ORHAN TORUN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM
PROF. DR. MEHMET ERKUT ERDEM
- Sürekli tip cam ergitme fırınları için hesaplamalı akışkanlar dinamiği tabanlı indirgenmiş model geliştirilmesi
Development of a computational fluid dynamics based reduced order model for continuous glass melting furnaces
ENGİN DENİZ CANBAZ
Doktora
Türkçe
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT GÜR