Geri Dön

Smart detection of brain tumors using deep learning and model voting

Derin öğrenme ve model oylaması kullanarak akıllı beyin tümörü tespiti

PDF İndir

  1. Tez No: 967957
  2. Yazar: BASSAM JABADO
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMED DAVUD
  4. Tez Türü: Yüksek Lisans
  5. Konular: Belirtilmemiş.
  6. Anahtar Kelimeler: Beyin Tümörü, Derin Öğrenme, Ensemble Öğrenme, MRI Sınıflandırması, CNN, Sınıf Bazlı Oylama
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: İstinye Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışma, beyin tümörlerinin tespiti için derin öğrenme modelleri ile sınıf bazlı oylama stratejisinin birleştirildiği gelişmiş ve otomatik bir tanı sistemi sunmaktadır. Amaç; MRI görüntü analizinde doğruluğu ve sınıf duyarlılığını artırmak için farklı evrişimli sinir ağlarının (CNN) ve özel ensemble öğrenme tekniklerinin gücünden faydalanmaktır. Araştırma kapsamında ResNet50, DenseNet121, InceptionV3, MobileNetV2, Xception, VGG16 ve NASNetMobile gibi modeller değerlendirilmiştir. Başlangıçta uygulanan çoğunluk oylama yöntemi yüksek genel doğruluk sağlasa da, sınıf dengesizliği nedeniyle sınırlı kalmıştır. Bu durumu aşmak için, her tümör sınıfı için en iyi performans gösteren modele ayrı ayrı güvenen sınıf bazlı oylama stratejisi geliştirilmiştir. Ayrıca modellerin son 60 katmanı açılarak 25 epoch boyunca eğitilmiştir. Bu strateji sayesinde elde edilen %84.25 doğruluk ve 0.8237 makro F1 puanı, tüm bireysel modellerden daha başarılı sonuçlar vermiştir. Sonuç olarak, geliştirilen sistem MRI görüntülerini gerçek zamanlı olarak sınıflandırabilen, tahminleri görsel olarak sunan ve güven skorları üreten işlevsel bir araç haline getirilmiştir. Çalışma, tıbbi görüntüleme alanına adil, sınıf farkındalığı yüksek ve yorumlanabilir bir yapay zeka çözümü sunmakta; klinik entegrasyon ve ileri geliştirme adımları için öneriler içermektedir.

Özet (Çeviri)

This thesis introduces an advanced and automated system for brain tumor classification using deep learning and a per-class voting ensemble strategy. The goal is to improve diagnostic accuracy and class sensitivity in MRI analysis by leveraging the strengths of multiple convolutional neural networks (CNNs) and specialized ensemble techniques. Seven pretrained CNN architectures were evaluated, including ResNet50, DenseNet121, InceptionV3, VGG16, MobileNetV2, Xception, and NASNetMobile. Although majority voting initially achieved strong overall accuracy, confusion matrix analysis revealed class imbalance, particularly in detecting Glioma. To address this, a per-class expert voting strategy was developed—assigning each tumor type to the most reliable model based on historical performance. This was supported by deeper finetuning, with 60 unfrozen layers and 25 training epochs.

Benzer Tezler

  1. Tez No

    940484

    Enhancing brain tumor classification with high accuracy: a generalizable deep learning approach utilizing densenet201

    Beyin tümörü sınıflamasının yüksek doğrulukla geliştirilmesi: Densenet201 kullanılan genelleştirilebilir derin öğrenme yaklaşımı

    ZAHRAA THAMER MAHDI MAHDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilim ve TeknolojiAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DOÇ. DR. OĞUZ ATA

  2. Tez No

    403426

    Exploring fusion models in computer vision for medical image computing

    Başlık çevirisi yok

    DUYGU SARIKAYA

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolState Unıversıty Of New York At Buffalo

    Dr. JASON J. CORSO

  3. Tez No

    747682

    Tıbbi görüntü işleme ile akciğer grafisinde COVID-19 pozitif tespiti için veri madenciliği ve derin öğrenme yöntemlerinin performanslarının incelenmesi

    Investigation of the performance of data mining and deep learning methods for COVID-19 positive detection in lung graph with medical image processing

    FATMA GÜL KURT

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    BiyoistatistikHacettepe Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    DOÇ. DR. JALE KARAKAYA KARABULUT

  4. Tez No

    933588

    MRI görüntüleri üzerinden YOLO tabanlı otomatik beyin tümörü tespiti ve sınıflandırılması

    YOLO based automatic brain tumour detection and classification using MRI images

    YAVUZ SELİM BOZAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SÜLEYMAN UZUN

  5. Tez No

    38

    Integrable {e}-structures and integrable G-structures for a finite group G

    İntegrallenebilir {e}- yapıları ve sonlu bir grup için integrallenebilir G-yapıları

    BELGİN KARAMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    1987

    MatematikOrta Doğu Teknik Üniversitesi

    Matematik Ana Bilim Dalı

    DOÇ. DR. TURGUT ÖNDER

Geri Dön