Derin öğrenme algoritmaları ile ince iğne aspirasyon sitolojisi örneklerinden tiroid papiller karsinomun bölütlenmesi
Segmentation of papillary thyroid carcinoma from fine needle aspiration cytology samples using deep learning algorithms
- Tez No: 961250
- Danışmanlar: PROF. DR. ERHAN AKIN
- 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: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tiroid papiller karsinomu (PTK), endokrin sistem tümörleri arasında en sık karşılaşılan malignite olup dünya genelinde tiroid kanserlerinin büyük bir kısmını oluşturmaktadır. Erken teşhis ve doğru tanı, hastalığın tedavi başarısını doğrudan etkileyen en kritik unsurlardandır. Özellikle sitolojik örneklerden elde edilen görüntülerin yorumlanmasında uzman yorumu kadar hızlı ve güvenilir karar destek sistemlerinin de önemi giderek artmaktadır. Son yıllarda dijital patolojideki ilerlemeler ve yapay zekâ tabanlı algoritmaların gelişimiyle birlikte, tıbbi görüntülerde otomatik analiz uygulamaları ön plana çıkmaktadır. Bu kapsamda hazırlanan bu tez çalışmasında, İİA (ince iğne aspirasyon) sitoloji görüntülerinden elde edilen PTK örneklerinin segmentasyonu hedeflenmiştir. Araştırmada kullanılan veri seti, çalışmanın yürütücüsü tarafından oluşturulmuş ve patoloji uzmanı ile biyomühendis desteğiyle detaylı şekilde etiketlenmiştir. Görseller, 2448x1920 çözünürlüğe sahip olup iyi huylu (benign) ve kötü huylu (malign) olarak ayrılmıştır. Segmentasyon işlemi yalnızca malign vakalar üzerinde gerçekleştirilmiş, böylece hedef bölgenin belirgin olarak sınırlarının çizilmesi amaçlanmıştır. Derin öğrenme tabanlı segmentasyon için YOLO mimarisine dayanan YOLOv8-seg ve yeni nesil YOLOv11-seg modelleri tercih edilmiş, her iki model de ayrı ayrı eğitilerek mAP50 ve mAP50-95 gibi performans metrikleriyle değerlendirilmiştir. Elde edilen sonuçlara göre YOLOv11-seg modeli, %97.8 mAP50ve %70.1 mAP050-95 değerleriyle daha başarılı bir segmentasyon performansı göstermiştir. Bu çalışma, dijital patoloji alanında yapay zekâ destekli tanı sistemlerinin kullanımına katkı sağlayacak, özgün ve uygulanabilir bir yöntem ortaya koymaktadır.
Özet (Çeviri)
Papillary thyroid carcinoma (PTC) is the most common malignancy among endocrine system tumors and accounts for a large proportion of thyroid cancers worldwide. Early diagnosis and accurate diagnosis are among the most critical factors directly affecting the success of treatment. In particular, the importance of rapid and reliable decision support systems is increasing, as much as expert interpretation, in the interpretation of images obtained from cytological samples. In recent years, with advances in digital pathology and the development of artificial intelligence-based algorithms, automatic analysis applications in medical images have come to the fore. In this thesis study, the segmentation of PTC samples obtained from FNA (fine needle aspiration) cytology images was targeted. The dataset used in the study was created by the study's principal investigator and labeled in detail with the support of a pathologist and a biomedical engineer. The images have a resolution of 2448x1920 and are classified as benign or malignant. The segmentation process was performed only on malignant cases, with the aim of clearly delineating the boundaries of the target region. For deep learning-based segmentation, the YOLOv8-seg and new-generation YOLOv11-seg models based on the YOLO architecture were preferred, and both models were trained separately and evaluated using performance metrics such as mAP50 and mAP50-95. According to the results obtained, the YOLOv11-seg model demonstrated more successful segmentation performance with values of 97.8% mAP50 and 70.1% mAP50-95. This study presents an original and applicable method that will contribute to the use of AI-supported diagnostic systems in the field of digital pathology.
Benzer Tezler
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN
- Ön işlemenin ve askorbik asitin dondurularak depolanan yılan balıklarının (Anguilla anguilla) kalitesine etkileri
Başlık çevirisi yok
H.VOLKAN GÖKSEL
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiSu Ürünleri Ana Bilim Dalı
DOÇ. DR. AYDIN URAL
- Antakya tarihi ticaret merkezi mekansal yapı değişim ve gelişim sürecinin kent ticaret merkezi planlamasına etkinliği
The Effectiveness of spatial structural chance and development period of the historical trade center of Antakya in the urban trade planning
NEVİN TURGUT
Yüksek Lisans
Türkçe
1986
Şehircilik ve Bölge PlanlamaGazi ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
YRD. DOÇ. DR. NURCAN UYDAŞ