Derin öğrenme uygulaması destekli pekiştirmeli öğrenme algoritması ile beyin kanserileri tanı ve sınıflandırılmasında arayüz oluşturulması
Development of interface for the diagnosis and classification of brain cancers with reinforcement learning algorithm supported by deep learning application
- Tez No: 934336
- Danışmanlar: DOÇ. DR. ÇİĞDEM SARAÇ, DOÇ. DR. YİĞİT ALİ ÜNCÜ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Beyin kanseri, beyin dokusunda kontrolsüz büyüyen tümörlerin neden olduğu ciddi bir hastalıktır. Bu hastalık baş ağrısı, mide bulantısı, kusma, denge kaybı ve nörolojik bozukluklar gibi çeşitli belirtilerle kendini göstermektedir. Tedavi süreci, tümörün türüne ve hastanın genel sağlık durumuna bağlı olarak cerrahi müdahale, radyoterapi, kemoterapi ve hedefe yönelik ilaç tedavilerini içerebilir. Beyin tümörlerinin tanısında Manyetik Rezonans Görüntüleme (MRI) önemli bir rol oynamaktadır. MRI, yüksek çözünürlüklü görüntüler sağlayarak tümörlerin tespit edilmesini ve değerlendirilmesini mümkün kılmaktadır. Medikal görüntü işleme, tıbbi görüntülerin analiz edilmesi ve yorumlanması için kullanılan dijital teknikler bütünüdür. Son yıllarda ise yapay zeka, derin öğrenme ve pekiştirmeli öğrenme gibi yöntemler bu süreçlerde büyük ilerleme sağlamıştır. Fakat literatürde derin öğrenme mimarileri ve pekiştirmeli öğrenme algoritmasının birlikte kullanıldığı çalışmalara rastlanılmamaktadır. Bu nedenle bu çalışmanın temel amacı derin öğrenme ve pekiştirmeli öğrenme yöntemlerini kullanarak MRI verilerinden primer beyin tümörlerini sınıflandırmak için otomatik bir tanı sistemi geliştirmektir. Bu amaç doğrultusunda, çalışmada, beyin kanserleri sınıflandırılması için derin öğrenme mimarileri destekli Q-öğrenme algoritmasıyla bir sistem geliştirilmiş ve Matlab ortamında, üç farklı veri seti kullanılarak primer beyin tümörleri MR görüntüleri sınıflandırılmıştır. Q-öğrenme algoritması ile çalışan bu model ile VGG16 mimarisinde %97.45 doğruluk, Resnet50 mimarisinde %96.06 doğruluk, DenseNet201 mimarisinde ise %96.93 doğruluk oranı elde edilmiştir. Sonuçlar geliştirilen modelin beyin tümörü sınıflandırmasında umut vadettiğini göstermektedir. Ayrıca tanıda hekimlere daha hızlı ve güvenilir bir teşhis süreci için sistem arayüz ile desteklenmiştir. Bu çalışmanın temel amacı, beyin tümörü teşhis sürecinde otomatik bir tanı sistemi geliştirmek ve bu sistemi hekimlere teşhis ve tedavi planlama süreçlerinde yardımcı olacak bir karar destek aracı haline getirmektir. Çalışma sonunda elde edilen sonuçlar, geliştirilen modelin teşhis doğruluğunu önemli ölçüde artırdığını ve klinik uygulamalarda geniş bir kullanım potansiyeline sahip olduğunu göstermektedir.
Özet (Çeviri)
Brain cancer is a severe condition resulting from the uncontrolled proliferation of tumors within brain tissue. It manifests through various symptoms, including headaches, nausea, vomiting, balance issues, and neurological impairments. Treatment approaches vary based on tumor type and the patient's overall health and may involve surgery, radiotherapy, chemotherapy, or targeted drug therapies. Magnetic Resonance Imaging (MRI) is a crucial tool in detecting and diagnosing brain tumors. MRI provides high- resolution images, making it possible to detect and evaluate tumors. Medical image processing is a set of digital techniques used to analyze and interpret medical images. In recent years, methods such as artificial intelligence, deep learning and reinforcement learning have made great progress in these processes. In the literature, there have been no research where deep learning architectures and reinforcement learning algorithms are used together. The primary objective of this study is to design an automated diagnostic system for classifying primary brain tumors from MRI images by integrating deep learning and reinforcement learning techniques. To achieve this, a classification system utilizing a Q-learning algorithm in combination with deep learning architectures was developed. Within the Matlab environment, MR images of primary brain tumors were analyzed using three distinct datasets. The proposed model, incorporating the Q-learning algorithm, achieved an accuracy of 97.45% with the VGG16 architecture, 96.06% with ResNet50, and 96.93% with DenseNet201. The findings indicate that the proposed model demonstrates strong potential for brain tumor classification. In addition, the system was supported with an interface for a faster and more reliable diagnostic process for physicians.
Benzer Tezler
- Sosyal öğrenme destekli derin pekiştirmeli öğrenme
Social learning supported deep rainforcement learning
CEREN GÜLEN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBolu Abant İzzet Baysal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET DİNÇER ERBAŞ
- Deep reinforcement learning approach in control of Stewart platform- simulation and control
Stewart platformunun kontrolünde derin pekistirmeli öğrenme yaklaşımıc- simülasyon ve kontrol
HADI YADAVARI
Doktora
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT İKİZOĞLU
DR. ÖĞR. ÜYESİ VAHİT BARIŞ TAVAKOL
- AI-enhanced dynamic preemptive resource allocation in next generation cellular networks
Yeni nesil hücresel ağlarda yapay zeka destekli dinamik öncelikli kaynak tahsisi
EGE ENGİN
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Multi agent planning under uncertainty using deep Q-networks
Derin Q-ağları kullanımı ile belirsizlik altında çoklu ajan planlaması
FARABİ AHMED TARHAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Nesne kavrama becerilerinin derin pekiştirmeli öğrenme algoritmalarıyla geliştirilmesi
Developing object grasping skills with deep reinforcement learningalgorithms
MUSAB COŞKUN
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YAKUP DEMİR
DOÇ. DR. ÖZAL YILDIRIM