Artificial intelligence model to assist and evaluate the kidney stone on computed tomography image
Bilgisayarlı tomografi görüntüsünde böbrek taşının değerlendirilmesine yardımcı olacak yapay zeka modeli
- Tez No: 924608
- Danışmanlar: PROF. DR. BÜLENT BİLGEHAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Bilim ve Teknoloji, Electrical and Electronics Engineering, Engineering Sciences, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Yakın Doğu Üniversitesi
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Böbreklerde taş oluşumu yaygın bir hastalıktır, hastalığın nüks oranının yüksek olması ve morbidite oranı böbrek taşına sahip tüm hasta gruplarını endişelendirir. Böbrek taşı hastalığının tanı ve yönetimi için birçok görüntüleme seçeneği vardır, CT görüntüleme tercih edilen bir yöntemdir. Radyologların böbrek taşlarını teşhis etmek için çok sayıda CT kesitini manuel olarak analiz etmesi gerekir. Bu süreç zahmetli ve zaman alıcıdır. Radyologlar CT görüntülerini göz kararı tahmini ile analiz eder, manuel analiz nedeniyle insan hataları meydana gelebilir. Bu çalışmada böbrek taşlarının analizi için derin öğrenme algoritmalarına başvurulmuştur. Derin öğrenme tabanlı olan evrişimli sinir ağı mimarileri, özellikle tıbbi görüntüleri analiz etmek için tercih edilen bir yöntemdir. Özellikle yüksek boyutlu tıbbi görüntüler sağlayan CT gibi gelişmiş tarayıcılardan elde edilen verilerin analizi için derin öğrenme ile yüksek performanslar elde edilebilir. Bu çalışmanın temel amacı, deep learning algoritmalarını kullanarak böbrek taşlarını CT taramalarından, yüksek doğruluk oranı ile sınıflandırmaktır. Bu çalışmada seçilen ve önceden eğitilmiş CNN mimarileri, radyolog tarafından etiketlenen böbrek taşına sahip hastaların abdominal CT taramalarından oluşan bir veri setine uygulanmıştır. Seçilen 5 farklı CNN modeli ile yapılan testler sonucunda böbrek taşı sınıflandırılması için bu modellerin kabul edilebilir performans elde etiikleri gözlemlenmiştir.
Özet (Çeviri)
Stone formation in the kidneys is a common disease, the high rate of recurrence and morbidity of the disease worries all patient groups with kidney stones. There are many imaging options for the diagnosis and management of kidney stone disease, CT imaging is the preferred method. Radiologists need to analyse large numbers of CT slices manually in order to diagnose kidney stones. This process is laborious and time-consuming. Radiologists analyse CT images by eye ball estimation, because of the manual analysis human errors can be occurred. In this study, deep learning algorithms were used for the analysis of kidney stones. Convolutional neural network architectures based on deep learning are a preferred method especially for analyzing medical images. High performances can be achieved with deep learning, especially for the analysis of data obtained from advanced scanners such as CT, which provide high-dimensional medical images. The main purpose of this study is to classify kidney stones with high accuracy from CT scans using deep learning algorithms. In this study, selected and pre-trained CNN architectures were applied to a dataset of abdominal CT scans of patients with kidney stones labeled by a radiologist. As a result of the tests performed with the selected 5 different CNN models, it was observed that these models achieved acceptable performance for kidney stone classification task.
Benzer Tezler
- Geleneksel Sivrihisar evleri
Traditional houses of Sivrihisar
FİSUN ÖZŞUÇA
Yüksek Lisans
Türkçe
1986
MimarlıkGazi ÜniversitesiMimarlık Ana Bilim Dalı
YRD. DOÇ. DR. ORHAN CEZMİ TUNCER
- Şırnak asfaltitleri külünde nikel ve molibdenin spektrofotometrik tayini
Spectrophotometric determination of nickel and molybdenum in Şırnak asphaltites ash
OLCAY ŞİMŞEK
Yüksek Lisans
Türkçe
1986
Petrol ve Doğal Gaz MühendisliğiGazi ÜniversitesiYRD. DOÇ. DR. ALİ REHBER TÜRKER