Derin öğrenme algoritmalarını kullanarak otomatik kan hücresi sayım cihazı geliştirilmesi
Development of an automatic blood cell counting device using deep learning algorithms
- Tez No: 936074
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖKALP ÇINARER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mekatronik Mühendisliği, Computer Engineering and Computer Science and Control, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yozgat Bozok Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
Kan hücrelerinin kanda bulunma miktarları kişilerin genel sağlık durumları veya varsa hastalıkları hakkında bilgi veren kanın temel yapı taşlarıdır. Kanda bulunan kırmızı, beyaz kan hücreleri ve trombositlerin tespiti ve miktarlarının belirlenmesi insan sağlığı açısından oldukça önemlidir. Bütün bu süreçlerin yönetiminde hücre yapılarının karmaşıklığı, zaman kaybı, uzman görüşünün gerekliliği gibi temel faktörler bu işlemlerin gerçekleşmesini oldukça karmaşık hale getirmektedir. Bu çalışmada kan hücrelerinin otomatik olarak tespiti, hızlı bir şekilde algılanması, miktarlarının belirlenmesi için Yolo ve Detectron2 algoritmalarından oluşan 37 farklı güncel nesne tespit algoritması kullanılarak kan hücrelerinin tespiti ve sayımı gerçekleştirilmiştir. Kullanılan 37 algoritmanın test ve eğitim sonuçları karşılaştırmalı olarak incelenmiştir. Yolo11-l modelindeki yüksek başarım oranı, hata payının düşük olması ve elektronik bir karta entegrasyon hızıyla tam otomatik bir kan sayım cihazı için en elverişli model olduğu tespit edilmiştir. Üretilen derin öğrenme tabanlı tam otomatik kan hücresi tespit ve sayım cihazı ile laboratuvar maliyetleri düşürülebilir, uzman personele olan ihtiyaç azaltılabilir, kişisel yorumların önüne geçilerek hastalıkların erken ve doğru teşhisinin sağlanabileceği görülmüştür.
Özet (Çeviri)
The amount of blood cells in the blood is the basic building blocks of blood that provides information about the general health status of individuals or their diseases, if any. Detection and determination of the amounts of red, white blood cells and platelets in the blood are very important for human health. In the management of all these processes, basic factors such as the complexity of cell structures, loss of time, and the necessity of expert opinion make the realization of these processes quite complicated. In this study, 37 different current object detection algorithms consisting of Yolo and Detectron2 algorithms were used to detect and count blood cells automatically, to detect them quickly and to determine their amounts. The test and training results of the 37 algorithms used were examined comparatively. It was determined that the Yolo11-l model is the most suitable model for a fully automatic blood counting device with its high performance rate, low margin of error, and integration speed to an electronic card. With the deep learning-based fully automatic blood cell detection and counting device produced, laboratory costs can be reduced, the need for expert personnel can be reduced, and it has been observed that early and accurate diagnosis of diseases can be achieved by preventing personal comments.
Benzer Tezler
- Automated diagnostic tool for hypertension using deep learning model
Derin öğrenme modelini kullanarak hipertansiyon için otomatik teşhis aracı
TUĞBA YILMAZ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHA ŞEN
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Makine derin öğrenme ile bt görüntüleri kullanarak pulmoner hipertansiyonun hemodinamik sınıflandırılması
Hemodynamic classification of pulmonary hypertension using CT images with machine deep learning
MEHMET ALİ GELEN
Tıpta Uzmanlık
Türkçe
2023
KardiyolojiFırat ÜniversitesiKardiyoloji Ana Bilim Dalı
DOÇ. DR. TARIK KIVRAK
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Derin öğrenme yaklaşımı ile malaria (sıtma) hastalığı görüntülerinin sınıflandırılması
Classification of malaria disease images using deep learning approach
MOHANAD MOHAMMED QANBAR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR