Geri Dön

YOLO algoritmaları kullanarak beyin tümörü tespiti ve sınıflandırması

Brain tumor detection and classification using YOLO algorithms

PDF İndir

  1. Tez No: 985679
  2. Yazar: MAMOUDOU TRAORE
  3. Danışmanlar: DOÇ. DR. MURAT GEZER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez, YOLO tabanlı nesne dedektörleri ve hafif bir topluluk yöntemi kullanarak MRG'de beyin tümörü tespiti için pratik bir ardışık düzen sunmaktadır. Dört sınıf (Gliom, Meninjiyom, Hipofiz, Tümör Yok) için YOLO formatında kutular içeren 5.249 görüntülük herkese açık bir Kaggle veri kümesi kullanıyor, yetim ve boş etiketleri gidermek üzere veri denetimi ve temizliği gerçekleştiriyor ve seed 42 ile yeniden üretilebilir bölmeler oluşturuyoruz. YOLOv8s, YOLOv9s ve YOLOv11s'i konservatif tıbbî artırmalarla ince ayarlıyor; küçük bir optimize altkümesi üzerinde Optuna ile hiperparametreleri optimize ediyoruz. Test setinde en iyi tek model (YOLOv11s) Precision 0.9738, Recall 0.9774, F1 0.9756, [email protected] 0.9916 ve [email protected]:0.95 0.9120 değerlerine ulaşmaktadır. Karışıklık matrisleri güçlü biçimde diyagonal olup sınıflar arası kaymalar nadirdir; artık hatalar ağırlıkla Hipofiz sınıfındaki arka plan yalancı pozitifleridir. Çıkarım zamanında çoğunluk oylaması ve güvene ağırlıklı kutu birleştirmesi kullanan topluluk yöntemi, en az gecikmeyle kararlılığı artırır. Yüklemeleri destekleyen ve anotasyonlu sonuçlar döndüren, Docker Compose ile konteynerleştirilmiş bir FastAPI arka ucu ve Next.js ön yüzünden oluşan kullanılabilir bir uygulama dağıtıyoruz. Deneyler, NVIDIA A100 ve etkin AMP ile Google Colab üzerinde yürütülmüştür.

Özet (Çeviri)

This thesis presents a practical pipeline for brain tumor detection in MRI using YOLO-based object detectors and a lightweight ensemble. We use a public Kaggle dataset of 5,249 images with YOLO-format boxes for four classes (Glioma, Meningioma, Pituitary, No Tumor), perform data audit and cleaning to remove orphan and empty labels, and create reproducible splits with seed 42. We fine-tune YOLOv8s, YOLOv9s, and YOLOv11s with conservative medical augmentations and optimize hyperparameters with Optuna on a small optimize subset. On the test set, the best single model (YOLOv11s) achieves Precision 0.9738, Recall 0.9774, F1 0.9756, [email protected] 0.9916, and [email protected]:0.95 0.9120. Confusion matrices are strongly diagonal with rare class swaps, and residual errors are mainly background false positives in Pituitary; an inference-time ensemble with majority voting and confidence-weighted box fusion improves stability with minimal latency. We deploy a usable application with a FastAPI backend and a Next.js front end, containerized via Docker Compose, supporting uploads and returning annotated results. Experiments are conducted on Google Colab with an NVIDIA A100 and AMP enabled.

Benzer Tezler

  1. Tez No

    847190

    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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  2. Tez No

    799874

    ASD automatic detection by using yolo V3 and V4 method

    Yolo V3 ve V4 yöntemi kullanarak ASD otomatik tespit

    FARAH MUWAFAQ KAMIL AL-QURAISHI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. MESUT ÇEVİK

  3. Tez No

    467103

    Stability analysis of multiple time-delay systems and design of time-delay filters

    Çoklu zaman gecikmeli sistemlerin kararlılık analizi ve gecikme tabanlı filtre tasarımı

    BARAN ALİKOÇ

    Doktora

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ALİ FUAT ERGENÇ

  4. Tez No

    581073

    Modeling and fair slot assignment in elastic optical networks under dynamic traffic

    Değişken trafikli esnek optik ağlarda modelleme ve adil slot atama

    NASIM RAVI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞEGÜL YAYIMLI

  5. Tez No

    126714

    Veri ambarı oluşumunda kullanılan teknolojilerin incelenmesi ve veri ambarlarının kişiye özel üretimde kullanımı

    Examination of technologies used for building data warehouses and use of data warehouses in mass customization

    ŞEFİK EĞRİBOZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DR. HALİL HALEFŞAN SÜMEN

Geri Dön