Kapsül ağlar ile derin öğrenme tabanlı çok sınıflı sperm morfoloji analizi
Deep learning based multiclass sperm morphology analysis with capsule networks
- Tez No: 940804
- Danışmanlar: DOÇ. DR. HAMZA OSMAN İLHAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 74
Özet
Dünya Sağlık Örgütü'ne göre her altı kişiden biri kısırlıktan etkilenmektedir. Kısırlık, bir yıllık korunmasız cinsel ilişki neticesinde hamile kalamama durumu olarak tanımlanmaktadır. Kısırlık problemleri erkek ve kadın faktörlerine bağlı olarak oluşabilmektedir. Erkek faktörlü kısırlığın tanısında en önemli faktörlerden biri sperm morfolojisi olarak kabul edilmektedir. Sperm hücre morfoloji analizleri laboratuvar ortamında belirli koşullar altında manuel olarak yapılabileceği gibi bilgisayar destekli sperm analiz sistemleri kullanarak da yapılabilmektedir. Spermin morfolojik analizini, yoğunluğunu ve karakteristik hareketini inceleyen Spermiyogram testi manuel olarak yapıldığında hem uzmanın tecrübesine bağlı hem de oldukça zaman alıcı ve maliyetli olması nedeni ile bilgisayar destekli sistemler ve bu sistemlerin başarılarını arttıracak derin öğrenme uygulamaları kullanılmaya başlanmıştır. Bu tez çalışması kapsamında derin öğrenme yöntemlerinden biri olan kapsül sinir ağlarının sperm görüntüleri üzerindeki sınıflandırma başarıları karşılaştırılmıştır. Bununla birlikte, bu tez çalışmasında, sperm morfoloji analizinde kapsül ağlarının performansını artırmak ve daha güçlü sonuçlar elde etmek amacıyla HiCapsNet adında yeni bir derin öğrenme modeli önerilmiştir. HiCapsNet mimarisi, evrişimsel sinir ağı olan EfficientNet yöntemi ile iyileştirilmiş kapsül ağ modellerinden oluşmaktadır. Bu tez çalışmasında yapılan deneylerde HiCapsNet mimarisinin, hem açık kaynak olan ve literatürde birçok derin öğrenme tabanlı sperm morfoloji analizi çalışmalarında kullanılan HuSHeM sperm veri seti üzerinde hem de literatüre yeni kazandırılmış ve Dünya Sağlık Örgütü tarafından belirlenen tüm anormal sperm sınıflarını içerisinde barındırarak daha kapsamlı morfolojik analiz yapılabilmesine olanak sunan Hi-LabSpermMorpho sperm veri setinde önemli ölçüde katkı sağladığı gözlemlenmiştir.
Özet (Çeviri)
According to the World Health Organization, one in six individuals is affected by infertility. Infertility is defined as the inability to conceive after one year of unprotected sexual intercourse. Both men and women play a role in infertility. In diagnosing male infertility, one of the most critical factors is considered to be sperm morphology. The analysis of sperm cell morphology can be conducted manually under specific conditions in a laboratory environment or using computer-aided sperm analysis systems. The spermogram test, which examines the morphological analysis, density, and characteristic motility of sperm, is highly dependent on the expertise of the specialist when performed manually. Moreover, it is also time-consuming and costly. For these reasons, computer-aided systems and deep learning applications that enhance the accuracy of these systems have started to be utilized. In this study, different deep learning methods were analyzed and compared on the Hi-LabSpermMorpho sperm dataset, which is novel in the literature and includes all abnormal sperm classes defined by the World Health Organization, enabling more comprehensive morphological analysis. Within this scope, the classification performances of capsule neural networks on sperm images were evaluated. Furthermore, a new convolutional neural network model, named HiCapsNet, was proposed to achieve more robust results in sperm morphology analysis and improve the performance of capsule networks. The HiCapsNet architecture consists of enhanced capsule network models built upon an EfficientNet backbone, which is a convolutional neural network. Experimental studies conducted within this study demonstrate that the HiCapsNet architecture provides significant contributions on both widely used, publicly available dataset called HuSHeM and the novel Hi-LabSpermMorpho sperm images.
Benzer Tezler
- Derin öğrenme tabanlı şeffaf nesne tanıma
Deep learning based transparent object detection
KORHAN MUTLUDOĞAN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METİN BİLGİN
- Learning visual similarity for image retrieval with global descriptors and capsule networks
Küresel tanımlayıcılar ve kapsül ağları ile görüntü erişimi için görsel benzerlikleri öğrenme
DUYGU DURMUŞ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR GÜDÜKBAY
PROF. DR. ÖZGÜR ULUSOY
- Makine öğrenmesi algoritmaları kullanarak web günlük kayıtlarından zararlı isteklerin tespiti ve bulut tabanlı bir sistem gerçeklenmesi
Detection of malicious requests from web log records using machine learning algorithms and implementation of a cloud-based system
SALİH ŞAHİN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLSÜM ZEYNEP GÜRKAŞ AYDIN
- Derin sinir ağları ile EEG ve alın EOG tabanlı duygu analizi
EEG and forehead EOG based emotion analysis with deep neural networks
HÜSEYİN ÇİZMECİ
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CANER ÖZCAN
- Generalization of deep neural networks totransformations through novel andhybrid architectures
Derin sinir ağlarının yenı ve hibrit mimariler aracılığı ile transformlara genellemesi
BARIŞ ÖZCAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA FURKAN KIRAÇ