A few-shot learning with self-knowledge distillation approach for medical image recognition
Tıbbi görüntü tanıma için kendinden bilgi damıtmı yaklaşımı ile birkaç atımda öğrenme
- Tez No: 941809
- Danışmanlar: PROF. DR. OĞUZHAN URHAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Bilim Dalı
- Sayfa Sayısı: 110
Özet
Bu tez, tıbbi görüntü tanıma için az örnekli öğrenme (Few-Shot Learning - FSL) ve kendinden bilgi damıtımı (Self-Knowledge Distillation - SKD) tekniklerinin kullanılmasını ele almaktadır. ÇalıŞma, mevcut veri kümelerinden çok görevli bir tıbbi veri kümesi derlemeyi ve bu veri kümesi üzerinde ProtoNet ve LASTShot ile ProtoNet'i eğitmeyi kapsamaktadır. Bu veri kümesinde her görev, iki farklı sınıfı temsil eden az sayıda örnekten oluşmaktadır. Veri kümesinin oluşturulması sürecinde, çeşitli açık erişim tıbbi veri kümelerinden 3D CT görüntüleri toplanmış ve bu görüntülerden 2D dilimler çıkarılmıştır. Ayrıca, 3D CT hacimlerinden 2D eksenel dilimlerin çıkarılması ve bu dilimlerin pozitif veya negatif olarak etiketlenmesiyle veri kümesi sınıflandırma görevleri için uygun hale getirilmiştir. Bunun ardından, yaygın kullanılan FSL benchmark veri kümelerinde yöntemi degerlendirilmiştir. Elde edilen sonuçlar, önerilen yöntemin mevcut FSL yöntemleriyle karşılaştırıldığında üstün performans gösterdiğini ortaya koymuştur. Çalışmanın bir diğer önemli kısmı ise, derlenen veri kümesi kullanılarak yöntemin eğitilmesi ve değerlendirilmesidir. SKD tekniklerinin uygulanması, sınırlı veri ile daha etkili öğrenme sağlarken, genel doğruluk ve genelleme yeteneklerinde önemli iyileşmeler sunmuştur. SKD'nin uygulanması, sınırlı veri senaryolarında bile modelin performansını artırarak daha doğru ve genelleştirilebilir sonuçlar elde etmeyi sağlamıştır. Bu tez, az örnekli öğrenme uygulamaları için tıbbi görüntü tanıma modellerinin yeteneklerini ileriye taşımak adına önemli bir potansiyel taşımaktadır ve bu da tıbbi görüntü tanıma alanında yeni araştırma ve uygulama fırsatları yaratmaktadır.
Özet (Çeviri)
In this thesis, we addressed the use of Few-Shot Learning (FSL) and Self-Knowledge Distillation (SKD) techniques for medical image recognition. We curated a multi-task medical dataset from the publicly available medical datasets and used it to train and test the ProtoNet and ProtoNet with LASTShot methods. We extracted 2D slices from the 3D volumes in the original datasets while focusing on the images with Computed Tomography (CT) modality. For each task, the extracted images were classified as positive or negative, indicating if the task contains a specific organ or disease. Additionally, we proposed a new approach based on ProtoNet and SKD, and we validated it on the common FSL benchmark datasets. This approach surpassed the existing methods in many cases and scenarios. We also trained and tested this approach on our curated multi-task dataset. Combining ProtoNet with SKD techniques helped make the training more effective on limited data and improved the overall accuracy. In this thesis, we demonstrated the ability of few-shot learning methods to advance the medical image recognition domain when combined with other SOTA techniques. This work will help to pave the way for more research in the medical image recognition domain.
Benzer Tezler
- Generative model based approaches to learning with incomplete supervision
Eksik gözetim ile öğrenmeye yönelik üretken modele dayalı yaklaşımlar
SİNAN GENÇOĞLU
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN GÖKBERK CİNBİŞ
- Dynamic heuristic approach to enhance the performance of few-shot meta-learning
Az örnekle meta-öğrenmenin performansını artırmak için dinamik heuristik bır yaklaşım
ÖMER MİRHAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. NUMAN ÇELEBİ
- Sınırlı denetim ve anlamsal temsiller ile işaret dili öğrenimi
Learning sign languages with limited supervision and semantic representations
YUNUS CAN BİLGE
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZLI İKİZLER CİNBİŞ
- Few-shot segmentation by enhanced ensemble of base and meta predictions
Meta ve baz tahminleri kullanan geliştirilmiş kolektif öğrenmeyle birkaç örnekli bölütleme
ALPER KAYABAŞI
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLKAY ULUSOY
- Az örnekle öğrenme problemlerinde derin öğrenme temelli meta-öğrenme algoritmalarının karşılaştırılması
Comparison of deep learning based meta-learning algorithms on few-shot learning problems
MUHAMMET ALKAN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYLA GÜLCÜ