Machine learning and ımage processing based concentration prediction of pancreatic cancer biomarker
Pankreas kanseri biyobelirtecinin makine öğrenmesi ve görüntü işleme tabanlı konsantrasyon tahmini
- Tez No: 927861
- Danışmanlar: DR. ÖĞR. ÜYESİ BAŞAK ESİN KÖKTÜRK GÜZEL, DR. ÖĞR. ÜYESİ GİZEM KALELİ CAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İzmir Demokrasi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 88
Özet
Bu tezde, anti-CA 19-9 konjuge edilmiş doğal melanin nanopartikülleri ile aktifleştirilmiş kâğıt tabanlı bir kolorimetrik biyosensörden alınan görüntüleri analiz etmek için makine öğrenimi ve görüntü işleme teknikleri kullanılmıştır. CA19-9, pankreas kanserinde yaygın olarak yükselen bir tümör belirtecidir. Pankreas kanserinin seyri ve olası nüksü hakkında önemli bilgiler sunarak erken teşhis ve hastalık gözetimi için gereklidir. Kan dolaşımına salınır ve konsantrasyonu pankreas kanserinin varlığını, ilerlemesini veya nüksünü gösterebilir. CA19-9 tespiti için mevcut yöntemler, pahalı olan ve özel ekipman gerektiren laboratuvar tabanlı testlere dayanmaktadır. Çalışmanın birincil hedefleri, pankreas kanserinin tanımlanmasını hızlandırmak ve biyobelirteç seviyelerini takip etmek için hızlı, uygun fiyatlı ve invazif olmayan bir yol sunmaktır. Önerilen yaklaşım hem laboratuvar hem de saha ortamlarında kullanılabilecek taşınabilir bir cihaz sunarak hasta sonuçlarını iyileştirmeyi ve pankreas kanserinin erken teşhisine yardımcı olmayı amaçlamaktadır. Geleneksel bilgisayarla görme yaklaşımlarının segmentasyon alanındaki etkinliği tez kapsamında incelenmiş olsa da, bu konuda derin öğrenme tabanlı segmentasyon yöntemlerinin az olması nedeniyle U-Net, YOLOv8 ve Detectron2 gibi çağdaş teknikler kullanılmıştır. Bu teknikler kantitatif biyomarker değerlendirmesine ve daha hassas analizlere uygulanmıştır. Tanı prosedürlerindeki rollerini araştırmak için Doğrusal Regresyon, Kement Regresyonu, Karar Ağaçları, K-En Yakın Komşular, Destek Vektör Regresyonu, Rastgele Orman, Gradyan Güçlendirme ve XGBoost gibi makine öğrenimi algoritmalarının etkinliği de değerlendirilmiştir.
Özet (Çeviri)
In this thesis, machine learning and image processing techniques were used to analyze images from a paper-based colorimetric biosensor that had been activated with anti-CA 19-9 conjugated natural melanin nanoparticles. CA19-9 is a tumor marker that is commonly elevated in pancreatic cancer. It is essential for early detection and disease surveillance, offering important information on the course and possible recurrence of pancreatic cancer. It is released into the bloodstream, and its concentration can indicate the presence, progression, or recurrence of pancreatic cancer. Existing methods for CA19-9 detection rely on laboratory-based tests, which are expensive and require specialized equipment. The study's primary goals are to expedite the identification of pancreatic cancer and to offer a quick, affordable, and non-invasive way to track biomarker levels. By offering a portable device that can be utilized in both laboratory and field settings, the suggested approach seeks to enhance patient outcomes and aid in the early detection of pancreatic cancer. Although the effectiveness of traditional computer vision approaches in the segmentation field was examined inside the thesis, contemporary techniques like U-Net, YOLOv8, and Detectron2 were used because deep learning-based segmentation methods were scarce in this subject. These techniques were applied to quantitative biomarker evaluation and more sensitive analyses. To investigate their role in the diagnosis procedures, the effectiveness of machine learning algorithms like Linear Regression, K-Nearest Neighbors, Support Vector Regression, Random Forest, Gradient Boosting, and XGBoost were also assessed.
Benzer Tezler
- Dikkat eksikliği ve hiperaktivite bozukluğu olan çocukların el yazılarının görüntü işleme teknikleri ile analizi
Analysis of handwriting of children with attention deficit hyperactivity disorder using image processing techniques
ÖZLEM YILDIZ BUDAK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH ADAK
- Emotion recognition process analysis by using eye tracker, sensor and application log data
Göz izleme cihazı, sensör ve uygulama verileri ile insanlarda duygu tanıma analizi
MAHİYE ÖZTÜRK
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Artificial intelligence based android assistant for colorimetric detection
Kolorimetrik tespit için yapay zeka tabanlı android asistanı
VAKKAS DOĞAN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN KILIÇ
DOÇ. DR. MUSTAFA ŞEN
- Holografik mikroskopinin hücresel analiz ve veri güvenliği performansının iyileştirilmesi
Improvement of cellular analysis and data security performance of holographic microscopy
MUHAMMED ALİ PALA
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ZAHİD YILDIZ
- Yüzey kentsel ısı adası yoğunluğu ve kırılganlığının araştırılması: İstanbul metropoliten bölgesi için çok boyutlu bir yaklaşım
Investigating surface urban heat island intensity and vulnerability: a multidimensional approach for istanbul metropolitan area
YUSUF EMİNOĞLU
Yüksek Lisans
Türkçe
2023
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. HÜSEYİN MURAT ÇELİK