Geri Dön

Göğüs radyografilerinde anomali tespiti için YOLOv8 ve YOLO11 algoritmalarının performans karşılaştırması: Farklı optimizasyon yöntemlerinin etkileri

Performance comparison of YOLOv8 and YOLO11 algorithms for anomaly detection in chest radiographs: The effects of different optimization methods

PDF İndir

  1. Tez No: 979676
  2. Yazar: HACER SİNEM AYAŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ YASİN UCAKAN, DR. MİRSAT YEŞİLTEPE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Yönetim Bilişim Sistemleri, Management Information Systems
  6. Anahtar Kelimeler: Derin öğrenme, Görüntü sınıflandırma, Medikal resimleme, Sayısal görüntü, Teşhis-görüntüleme, Yapay zeka, Deep learning, Image classification, Medical image, Digital image, Diagnostic imaging, Artificial intelligence
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: İstanbul Rumeli Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışmasında, göğüs radyografilerinde anomali tespiti amacıyla derin öğrenme temelli YOLOv8 ve YOLO11 algoritmalarının sınıflandırma performansları karşılaştırılmıştır. Çalışmada, her iki algoritmanın üç farklı model varyantı ve dört optimizasyon yöntemi (SGD, Adam, Nadam, RMSprop) kullanılarak eğitimleri gerçekleştirilmiş ve çeşitli görüntü boyutları dikkate alınarak performans analizi yapılmıştır. Elde edilen sonuçlar, özellikle SGD algoritmasının tüm model varyantlarında en yüksek doğruluk oranlarına ulaştığını ve YOLOv8'in genel olarak YOLO11'e kıyasla daha yüksek başarı sağladığını ortaya koymuştur. Araştırmada kullanılan veriler, Kaggle platformundan alınan AI-generated göğüs radyografi veri setinden temin edilmiştir. Elde edilen bulgular, yapay zekâ tabanlı karar destek sistemlerinin tıbbi görüntü analizinde radyologlara etkin biçimde yardımcı olabileceğini göstermektedir.

Özet (Çeviri)

This study compares the classification performances of deep learning-based YOLOv8 and YOLO11 algorithms for anomaly detection in chest radiographs. In the study, each algorithm was trained using three different model variants and four optimization methods (SGD, Adam, Nadam, RMSprop). Performance analysis was conducted by evaluating seven different input image sizes. The results revealed that the SGD algorithm consistently achieved the highest accuracy across all model variants, and YOLOv8 generally outperformed YOLO11. The dataset used in this study was obtained from the publicly available Kaggle AI-generated chest radiography archive. The findings demonstrate that artificial intelligence-based decision support systems can significantly assist radiologists in medical image interpretation, especially for the early diagnosis of lung diseases.

Benzer Tezler

  1. Tez No

    194277

    PA ve lateral gögüs radyografilerinde akciger volümü,diaphragma yüksekligi ve diaphragma uzunlugu ölçümlerinin astımlı ve astımlı olmayan 7-10 yas arası çocuklarda karsılastırılması

    Compare of the measurements of lungs? volumes, diaphragm dome heights and diaphragm lenghts on PA and lateral chest radiographs between 7 to 10 years of age asthmatic and nonasthmatic children

    ÖZLEM KANBER

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Çocuk Sağlığı ve HastalıklarıKaradeniz Teknik Üniversitesi

    Anatomi Ana Bilim Dalı

    Y.DOÇ.DR. GÜLAY YEĞİNOĞLU

  2. Tez No

    787170

    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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGümüşhane Üniversitesi

    Yapay Zeka ve Akıllı Sistemler Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZKAN BİNGÖL

  3. Tez No

    392922

    An approach for the chest tube detection in chest radiographs using convolutional neural network

    Katmanlı sinir ağları kullanılarak göğüs radyografilerinde göğüs tüpü tespiti için bir yaklaşım

    CEM AHMET MERCAN

    Doktora

    İngilizce

    İngilizce

    2015

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Hesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)

    PROF. DR. MUSTAFA SERDAR ÇELEBİ

  4. Tez No

    165006

    Akciğer kanserinde epidemiyolojik, klinik ve radyolojik eğilimler

    Başlık çevirisi yok

    GÜNTÜLÜ AK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2005

    Göğüs HastalıklarıEskişehir Osmangazi Üniversitesi

    Göğüs Hastalıkları ve Tüberküloz Ana Bilim Dalı

  5. Tez No

    623637

    Toraks lezyonlarında bt eşliğinde transtorakal iğne biyopsilerinin tanı değeri

    Diagnostic value of ct-guided transtoracal needle biopsies in the thoracic lesions

    FERİDE FATMA GÖRGÜLÜ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2003

    Radyoloji ve Nükleer TıpSağlık Bakanlığı

    Radyoloji Ana Bilim Dalı

    UZMAN EŞREF PAŞAOĞLU

Geri Dön