Beyin tümörlerinin derin öğrenme, transfer öğrenme ve topluluk öğrenme ile sınıflandırılması
Classification of brain tumors using deep learning, transfer learning and ensemble learning
- Tez No: 958606
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMET SİNAN BAŞARSLAN
- Tez Türü: Yüksek Lisans
- Konular: Tıbbi Biyoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Medical Biology, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Deep learning
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Medeniyet Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin tümörlerinde tedavi başarısını artırmak için erken teşhis ve doğru sınıflandırma hayati önem taşımaktadır. Gelişen tıbbi görüntüleme teknikleri ve artan veri miktarıyla birlikte, bu verilerin değerlendirilmesinde bilgisayar destekli tanı sistemlerinin önemi giderek artmaktadır. Bu tez kapsamında, Figshare veri tabanından elde edilen açık kaynaklı manyetik rezonans (MR) görüntüleri kullanılarak, beyin tümörlerinin sınıflandırılmasına yönelik derin öğrenme tabanlı bir çalışma gerçekleştirilmiştir. Sınıflandırma süreci, gliom, meningiom ve hipofiz tümörü olmak üzere üç farklı tümör türünü kapsamaktadır. Çalışmada, sıfırdan model eğitimi yerine transfer öğrenme yöntemi tercih edilerek önceden eğitilmiş derin öğrenme modelleri kullanılmıştır. Bu doğrultuda, Inception, Xception, VGG, ResNet, DenseNet ve ConvNeXtBase gibi evrişimli sinir ağı (CNN) tabanlı modern mimariler uygulanarak sınıflandırma modelleri oluşturulmuş; bu modellerin performansları karşılaştırılmıştır. Ayrıca, farklı modellerin çıktılarını birleştirerek daha yüksek sınıflandırma doğruluğu elde etmek amacıyla topluluk öğrenme yöntemlerinden de yararlanılmıştır. Model geliştirme süreci TensorFlow kütüphanesi kullanılarak yürütülmüştür. Geliştirilen modellerin performansı doğruluk, kesinlik, özgüllük, duyarlılık, F-skoru ve Matthews Korelasyon Katsayısı (MCC) gibi metrikler ile değerlendirilmiş ve elde edilen sonuçlar literatürdeki benzer çalışmalarla karşılaştırılmıştır. VGG16 ve VGG19 modellerinin topluluk öğrenme ile gerçekleştirdiği sınıflandırmada, %99,02 doğruluk ve 0,985 MCC ile en yüksek performans elde edilmiştir.
Özet (Çeviri)
Early diagnosis and accurate classification play a vital role in improving treatment outcomes for brain tumors. With the advancement of medical imaging techniques and the increasing volume of data, the importance of computer-aided diagnosis systems for analyzing these data has been growing steadily. Within the scope of this thesis, a deep learning-based study was conducted to classify brain tumors using publicly available magnetic resonance (MR) imaging data obtained from the Figshare database. The classification process includes three different tumor types: glioma, meningioma, and pituitary tumor. Instead of training models from scratch, transfer learning was preferred by utilizing pre-trained deep learning models. Accordingly, convolutional neural network (CNN)-based modern architectures such as Inception, Xception, VGG, ResNet, DenseNet, and ConvNeXtBase were implemented to develop classification models, and their performances were compared. Furthermore, ensemble learning methods were employed to combine the outputs of different models in order to achieve higher classification accuracy. The model development process was carried out using the TensorFlow library. The performance of the developed models was evaluated with metrics including accuracy, precision, specificity, recall, F-score, and Matthews Correlation Coefficient (MCC), and the obtained results were compared with similar studies in the literature. The ensemble classification performed by the VGG16 and VGG19 models achieved the highest performance with an accuracy of 99.02% and an MCC of 0.985.
Benzer Tezler
- Süt formüllerinin tüketim uygulamaları ve süt formüllerinin C vitamini içeriği ile pH değerleri
Başlık çevirisi yok
GÖNÜL VAROL
Yüksek Lisans
Türkçe
1986
Besin Hijyeni ve Teknolojisiİstanbul ÜniversitesiÇocuk Gelişimi Ana Bilim Dalı
DOÇ. DR. TÜRKAN KUTLUAY
- Makro besin elementlerinin (NPK) İzmir'de Mayıs ayında açığa dikilen 4-6 cm çevre büyüklüğündeki Gladiolus cinsine ait“hunting song”ve“Novalüx”kültür çeşitlerinin yumrularının gelişmeleri üzerine etkileri
Başlık çevirisi yok
TAHA ALİ AMEN
Yüksek Lisans
Türkçe
1985
ZiraatEge ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. ADNAN HATİPOĞLU
- Türkiye'de serebral hareket bozukluklarının etiyolojisi epidemiyolojisi ve bazı klinik özellikleri
Başlık çevirisi yok
AŞER BENSUSAN
Tıpta Uzmanlık
Türkçe
1986
Çocuk Sağlığı ve Hastalıklarıİstanbul ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
- Samsun ve çevresinde tarla sarmaşığı (conuolvulus arvensis L.)'na karşı biyolojik savaşa esas olacak fauna tespiti
Investigations on the insect fauna of the field binweed (Conuolvulus arvensis L.) related to its biological control in Samsun Province
YASEMİN UFUK GERMAN