Derin öğrenme modeli ile zatürre tespiti
Pneumonia detection with deep learning model
- Tez No: 978338
- Danışmanlar: DOÇ. DR. OĞUZ ATA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Engineering Sciences, Science and Technology
- Anahtar Kelimeler: Hücresel yapay sinir ağları, Yapay zeka ve makine öğrenmesi dersi, İnsan-yapay zeka etkileşimi, Cellular artificial neural networks, Artificial intelligence and machine learning course, Human-artificial intelligence interaction
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Zatürre, her bireyin yaşamının herhangi bir döneminde maruz kalabileceği bir akciğer enfeksiyonudur. Tedavi edilmediği takdirde ciddi sağlık sorunlarına ve hatta ölüme neden olabilir. Bu nedenle, hastalığın erken teşhisi büyük bir öneme sahiptir. Zatürrenin tespitinde çeşitli yöntemler kullanılmakla birlikte, en yaygın yöntemlerden biri akciğer röntgen görüntülerinin incelenmesidir. Bu görüntüler uzmanlar tarafından titizlikle değerlendirilir. Ancak bu sürecin doğruluğu, süresi ve harcanan emek önemli faktörler arasında yer almaktadır. Görüntü analizi alanında, yapay zekanın hızla gelişmesiyle birlikte önemli çalışmalar yapılmıştır. Bu tezde, akciğer röntgen görüntüleri kullanılarak makine öğrenmesi ile zatürre teşhisini destekleyen bir yöntem geliştirilecektir. Böylece, teşhis sürecinde zaman yönetimi, doğruluk oranı ve harcanan çabanın optimize edilmesi sağlanacaktır. Literatürdeki çalışmalar ve geliştirilen modeller dikkate alınarak, evrişimsel sinir ağı tabanlı yöntemler incelenecektir. Çalışmada kullanılan akciğer görüntüleri üç gruba ayrılmıştır: eğitim, doğrulama ve test. Sonuç olarak, evrişimsel sinir ağı modellerinin kullanılmasıyla elde edilen sonuçların, aynı konu üzerinde araştırma yapan araştırmacıların sonuçları kıyaslanarak literatüre katkıda bulunması ve doktorlara karar desteği sağlaması amaçlanmaktadır.
Özet (Çeviri)
Pneumonia remains a critical global health concern due to its high morbidity and mortality rates, particularly when diagnosis and treatment are delayed. As a pulmonary infection, it can affect individuals across all age groups and, in severe cases, may result in life-threatening complications. Early and accurate diagnosis is therefore essential for effective treatment and improved patient outcomes. Traditionally, chest X-ray imaging has been one of the most used tools in the clinical diagnosis of pneumonia. However, manual interpretation of these images by radiologists is a time-consuming process and is often subject to intra- and inter-observer variability. These limitations highlight the need for intelligent, automated systems capable of assisting healthcare professionals in the diagnostic process. With the rapid evolution of artificial intelligence (AI), particularly in the domain of deep learning, significant strides have been made in medical image analysis. Convolutional neural networks (CNNs), a class of deep learning algorithms, have demonstrated exceptional performance in various classification and detection tasks, including medical imaging. Leveraging these advances, this thesis aims to develop a CNN-based method to support the diagnosis of pneumonia using chest X-ray images. The methodology involves the use of a labeled dataset that is divided into training, validation, and testing subsets. The proposed model's performance will be rigorously evaluated and compared with existing approaches in literature. Ultimately, this study seeks to contribute to the academic discourse by presenting a reliable and efficient diagnostic tool that can aid clinicians in making more accurate and timely decisions in pneumonia detection.
Benzer Tezler
- Derin öğrenme kullanarak tıbbi görüntülerde COVID-19 ve zatürre tespiti
Detection of COVID-19 and pneumonia in medical images using deep learning
İREM KURA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NESRİN AYDIN ATASOY
- Evrişimsel sinir ağı kullanılarak göğüs radyografilerinde yüksek başarımlı bölütleme yapılması ve pnömoni tespitine etkisinin incelenmesi
High performance segmentation in chest radiographs using convolutional neural network and investigation of its effect on pneumonia detection
İLHAN AYDIN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGümüşhane ÜniversitesiYapay Zeka ve Akıllı Sistemler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZKAN BİNGÖL
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Model-based aı accelerator design on FPGA with in-depth evaluation of design parameters
FPGA'de model tabanli yapay zeka hizlandirici tasarimi ve tasarim parametrelerinin derinliğine değerlendirilmesi
GÖZDE ÖZDİL
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN
- Veri çoğaltma ve derin öğrenme teknikleriyle medikal görüntülerden otomatik hastalık tespiti
Automatic disease detection from medical images with data augmentation and deep learning techniques
TESLİME BAYIK
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBolu Abant İzzet Baysal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL POLAT