Çekişmeli üretken ağlarla sentetik veri üretiminin model başarımını arttırmadaki etkisinin incelenmesi
Investigation of the effect of synthetic data generation with generative adversarial networks on model performance improvement
- Tez No: 960408
- Danışmanlar: DOÇ. DR. GÜRCAN ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, tıbbi görüntüleme alanında sınıflandırma performansını artırmak amacıyla Derin Konvolüsyonel Çekişmeli Üretken Ağlar (DCGAN) kullanılarak sentetik veri üretiminin etkinliğini incelemektedir. Özellikle göğüs röntgeni görüntülerinden pnömoni tespitinde yaygın olarak karşılaşılan sınıf dengesizliği problemi ele alınmıştır. Bu doğrultuda, DCGAN mimarisiyle dört farklı sentetik veri seti üretilmiş ve bu setler ResNet-50, VGG-16, AlexNet, ZFNet ve özel olarak tasarlanmış bir Konvolüsyonel Sinir Ağı (CNN) modeli ile test edilmiştir. DCGAN modeli 32'lik batch boyutu, 5.000 epok, 128×128 piksel boyutunda gürültü vektörü ve 0.00015 öğrenme oranı ile eğitilmiştir. Deneysel bulgular, sentetik örneklerin entegrasyonunun sınıflandırma doğruluğunda anlamlı bir iyileşme sağladığını ortaya koymaktadır. DCGAN ile artırılmış verilerle elde edilen en yüksek doğruluk oranı %86 olup, geleneksel veri artırma yöntemlerine kıyasla %2 ila %7 arasında bir performans artışı sağlanmıştır. Özellikle AlexNet ve ZFNet modellerinde; bakteri kaynaklı pnömonide doğruluk %84'ten %86'ya, virüs kaynaklı pnömonide %77'den %84'e ve sağlıklı sınıflarda %79'dan %84'e yükselmiştir. DCGAN tarafından üretilen sentetik görüntüler, görsel gerçeklik açısından yeterli bulunmuş ve orijinal veri setiyle istatistiksel olarak benzer bir dağılım sergilemiştir. Bu bulgular, dengeli veri kümelerinin model başarımı üzerindeki kritik etkisini vurgulamakta ve GAN tabanlı sentetik veri üretiminin, tıbbi görüntü sınıflandırmada veri eksikliği sorununu azaltmak için ölçeklenebilir ve alan bağımsız bir çözüm sunduğunu göstermektedir. Önerilen metodoloji, yalnızca pnömoni tespitiyle sınırlı kalmayıp, diğer tanılayıcı görüntüleme problemlerine de genellenebilir niteliktedir.
Özet (Çeviri)
This study investigates the effectiveness of synthetic data generation using Deep Convolutional Generative Adversarial Networks (DCGANs) to improve classification performance in medical imaging, specifically for pneumonia detection from chest X-ray images. Addressing the prevalent issue of class imbalance in medical datasets, four synthetic datasets were generated via a DCGAN architecture and subsequently evaluated using ResNet-50, VGG-16, AlexNet, ZFNet, and a custom Convolutional Neural Network (CNN) model. The DCGAN was trained with a batch size of 32, 5,000 epoks, an input noise vector of 128×128 pixels, and a learning rate of 0.00015. Experimental results indicate a notable enhancement in classification accuracy through the integration of synthetic samples. The highest accuracy achieved with DCGAN-augmented data reached 86%, corresponding to an improvement of 2% to 7% compared to traditional data augmentation techniques. Notably, classification accuracy for bacterial pneumonia increased from 84% to 86%, viral pneumonia from 77% to 84%, and healthy cases from 79% to 84% in models such as AlexNet and ZFNet. The synthetic images generated by the DCGAN were deemed visually realistic and exhibited a statistically comparable distribution to the original dataset. These findings underscore the critical role of balanced datasets in optimizing model performance and suggest that GAN-based synthetic data generation provides a scalable and domain-independent solution for mitigating data scarcity in medical image classification. The proposed methodology demonstrates high transferability and can be generalized to other diagnostic imaging tasks beyond pneumonia detection.
Benzer Tezler
- Edgewise ve Begg teknik yöntemleri ile tedavi edilen vakalarda yüzün dik yön boyutlarında görülen değişiklikler
Başlık çevirisi yok
HAKAN GÖGEN
- Kalorimetrik oda dizaynı ve soba ısıl veriminin direkt metodla ölçümü
Başlık çevirisi yok
ALİ POLATDEMİR
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiErciyes ÜniversitesiMakine Ana Bilim Dalı
YRD. DOÇ. DR. KEMAL ALTINIŞIK
- IPS typographus ŞL.Ö ve trypodendron lineatum Şoliv.Ö'a karşı bazı feromon denemeleri
Some pheromone experiments in biochemical control of IPS typographus (L.) and trypodendron lineatum (oliv.)
ALAEDDİN BOBAT
Yüksek Lisans
Türkçe
1988
Ormancılık ve Orman MühendisliğiKaradeniz Teknik ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET SEREZ
- Finite element application in the analysis of ground-water lowering and well yield
Başlık çevirisi yok
GÜLGÜN KOŞGAN
Yüksek Lisans
İngilizce
1988
İnşaat MühendisliğiOrta Doğu Teknik ÜniversitesiPROF. DR. A. ATALAY BİRAND