Derin ve transfer öğrenme yöntemleri kullanılarak otomatik göğüs röntgeni raporlama
Automatic chest x-ray report generation using deep learning and transfer learning methods
- Tez No: 988177
- Danışmanlar: PROF. DR. AYBARS UĞUR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Göğüs röntgeni, hekimler tarafından en sık başvurulan radyolojik tetkiklerden biridir. Ancak, özellikle hasta yoğunluğunun yüksek olduğu sağlık kurumlarında bu görüntülerin yorumlanması ve raporlanması, radyoloji birimlerinin iş yükünü önemli ölçüde artırmaktadır. Bu tez çalışması kapsamında, göğüs röntgenlerinden otomatik rapor üretimini hedefleyen üç aşamalı AURORA-CXR modeli geliştirilmiştir. Modelin ilk aşamasında, görüntü kalitesini artırmaya yönelik olarak histogram eşitleme, gamma düzeltme ve bulanık mantık temelli tekniklerden yararlanan adaptif bir ön işleme yaklaşımı tasarlanmıştır. İkinci aşamada, tıbbi görüntülerden anlamlı özniteliklerin çıkarılması için Evrişimli Sinir Ağı (CNN) tabanlı derin öğrenme mimarileri kullanılmıştır. Son aşamada ise, elde edilen özniteliklerin tıbbi raporlara dönüştürülmesi amacıyla transformer tabanlı bir dil modeli oluşturulmuştur. Buna ek olarak, rapor üretim sürecinde ortaya çıkan aday raporları klinik ve doğal dil metriklerine göre yeniden değerlendiren çok kanallı bir reranking mekanizması kullanılmış, böylece sistemin doğruluk ve güvenilirliği artırılmıştır. Bu çalışmanın temel katkıları, görüntü kalitesini yükseltmek üzere adaptif ön işleme tekniklerinin ve rapor doğruluğunu artırmak üzere çok kanallı yeniden sıralama algoritmalarının bir arada kullanılmasıdır. Yapılan deneysel çalışmalar, özellikle klinik metriklerde anlamlı iyileşmeler sağlandığını ortaya koymuştur.
Özet (Çeviri)
Chest X-ray is one of the most frequently utilized radiological examinations by physicians. However, especially in healthcare institutions with high patient density, the interpretation and reporting of these images significantly increase the workload of radiology departments. Within the scope of this dissertation, a three-stage model named AURORA-CXR was developed with the aim of automatic report generation from chest X-rays. In the first stage, an adaptive preprocessing approach was designed, utilizing techniques such as histogram equalization, gamma correction, and fuzzy logic-based methods to improve image quality. In the second stage, Convolutional Neural Network (CNN) based deep learning architectures were employed to extract meaningful features from medical images. In the final stage, a transformer-based language model was constructed to convert the extracted features into medical reports. Additionally, a multi-channel reranking mechanism was used to re-evaluate the candidate reports generated during the reporting process according to clinical and natural language metrics, which enhances the accuracy and reliability of the system. The main contributions of this study are the integration of adaptive preprocessing techniques to improve image quality and the use of multi-channel reranking algorithms to increase report accuracy. Experimental analyses demonstrated that the proposed approach provided significant improvements, particularly in clinical metrics.
Benzer Tezler
- Akciğer kanserinin derin öğrenme yaklaşımları kullanılarak tespit edilmesi
Detection of lung cancer using deep learning approaches
FERHAT AYAYNA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBatman ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABİDİN ÇALIŞKAN
- Röntgen görüntülerinden akciğer hastalıklarının tahmini
Prediction of lung diseases from x-ray images
İDRİS DEMİR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN AYDIN
- 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
- Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease
Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi
İNANÇ MORAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR
- Göğüs kanseri sınıflandırmasında yenidenboyutlandırma ve aşırı örneklemenin etkisi
Effect of resize and oversampling on breast cancerclassification
ATAKAN GÖÇER
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ÖZGÜR CİNGİZ