Makine öğrenme yöntemleri ile akciğer kanserlerindeki beyin metastazları ve tanısal raporlama
Brain metastases in lung cancers and diagnostic reporting with machine learning methods
- Tez No: 988104
- Danışmanlar: DR. ÖĞR. ÜYESİ FATİH ÇİFTÇİ
- Tez Türü: Yüksek Lisans
- Konular: Nöroloji, Mühendislik Bilimleri, Bilim ve Teknoloji, Neurology, Engineering Sciences, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fatih Sultan Mehmet Vakıf Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin metastazları (BM), akciğer kanserinin en yaygın komplikasyonlarından biridir. Bu lezyonların manyetik rezonans görüntüleme (MRG) üzerinde doğru ve erken tespiti; tanı, tedavi planlaması ve prognoz açısından büyük önem taşımaktadır. Ancak, BM manuel olarak segmentasyonu zaman alıcıdır, gözlemciler arası farklılıklara açıktır ve genellikle görüntüleme özelliklerinin belirsizliği nedeniyle sınırlıdır. Bu tez çalışmasında, akciğer kanserine bağlı gelişen BM'lerinin T1 kontrastlı ve T2-ağırlıklı MRG görüntüleri kullanılarak derin öğrenme (DÖ) tabanlı bir tümör tanıma yaklaşımı önerilmiştir. CNN modeli, etiketlenmiş veri kümeleri üzerinde eğitilmiş ve otomatik tümör tespiti amacıyla değerlendirilmiştir. İşlem kısıtlamaları nedeniyle, 4B NIfTI hacimleri 2B dilimlere ön işleme tabi tutulmuş, 128x128 piksele yeniden boyutlandırılmış ve normalleştirilmiştir. Verilerin ön işleme ve dengeleme işlemlerinin ardından toplam 2.275 adet 2B görüntü kullanılmıştır. CNN modeli, ikili sınıflandırma için 17 katman ve 3 bloktan oluşmaktadır. Modelin karar verme sürecini görselleştirmek ve yorumlanabilirliği artırmak amacıyla occlusion sensitivity ve sınıf aktivasyon haritalama yöntemleri uygulanmıştır. Eğitilen model, test veri kümesinde %94,2 doğruluk, %94 duyarlılık, %92,83 özgüllük, %95 F1-skoru ve %98,65 AUC değeri elde etmiştir. Model birçok durumda başarılı sonuçlar verirken, Dice skoru düşük çıkan bazı örnekler incelenmiş ve tartışılmıştır. Bu çalışma, BM tespiti ve değerlendirilmesini desteklemeyi ve tıbbi görüntülemede güvenilir DÖ çözümlerinin geliştirilmesine destek sağlamayı amaçlamaktadır.
Özet (Çeviri)
Brain metastases (BM) are among the most common complications of lung cancer. Accurate and early detection of these lesions on MRG is essential in diagnosis, treatment planning, and prognosis. However, manual segmentation of metastases is time-consuming, prone to inter-observer variability, and often limited by subtle imaging characteristics. In this thesis, a deep learning-based tumor recognition approach for detecting BM originating from lung cancer using T1c and T2-weighted MRG images is proposed. The CNN model is trained and evaluated on annotated datasets to perform automatic tumor detection. Due to computational limitations, 4D NIfTI volumes were preprocessed into 2D slices, resized to 128×128 pixels, and normalized. After preprocessing and balancing the data, a total of 2.275 2D images were used. The CNN model consists of 17 layers and 3 blocks for binary classification. The occlusion sensitivity and class activation mapping are applied to visualize the model's decision-making process and enhance interpretability. The trained model achieved 94.2% accuracy, 94% sensitivity, 92.83% specificity, 95% F1-score, and an AUC of 98.65% on the test set. While the model shows promising results in many cases, certain cases with low dice scores are analyzed and discussed. This work aims to support the detection and assessment of BMs and to support the development of reliable deep learning solutions in medical imaging field.
Benzer Tezler
- Makine ve derin öğrenme yöntemleri ile ratlarda akciğer ve ovaryum histopatolojik görüntülerinin sınıflandırılması
Classification of lung and ovary histopathological images in rats using machi̇ne and deep learni̇ng methods
TUĞBA ŞENTÜRK
Doktora
Türkçe
2025
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA LATİFOĞLU
- Bipolar parsiyel protez uygulanmış kalça kırıklı hastalarda makine öğrenme yöntemleri ile perioperatif prognoz ve maliyet analizi
Perioperative prognosis and cost analysis in patients who have undergone bipolar hemiarthroplasty with hip fracture by using machine learning algorithms
KEMAL ZENCİRLİ
Tıpta Uzmanlık
Türkçe
2020
Ortopedi ve TravmatolojiAtatürk ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF. DR. ÖMER SELİM YILDIRIM
DR. ÖĞR. ÜYESİ MUHAMMED ÇAĞATAY ENGİN
- Beyin tümör tiplerinin makine öğrenmesi ve derin öğrenme tabanlı teknikler ile sınıflandırılması
The classification of brain tumor types using machine learning and deep learning based techniques
KAPLAN KAPLAN
Doktora
Türkçe
2020
Mekatronik MühendisliğiKocaeli ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN METİN ERTUNÇ
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Lung cancer prediction and classification using ML models
Başlık çevirisi yok
HAYDER SALMAN MOHAMMED MOHAMMED
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP CANSEVER