Histopatolojik görüntülerden deri hastalıklarının tespit edilmesi için yapay zekâ tabanlı yeni bir yaklaşım
A novel ai-based approach for detecting skin diseases from histopathological images
- Tez No: 994529
- Danışmanlar: DOÇ. DR. ZEHRA KARAPINAR ŞENTÜRK
- 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: Düzce Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Cilt hastalıkları tüm dünyada milyarlarca insanı etkileyen oldukça yaygın hastalıklardır. Cilt hastalıklarının teşhisinde ilgili bölgenin fotoğraflanması ve doku örneği alınması yöntemleri kullanılmaktadır. Doku örneklerinin patoloji uzmanları tarafından incelenmesi ve tanı koyma süreçleri zaman alıcı olabilmektedir. Bu tez çalışması kapsamında Düzce Üniversitesi Tıp Fakültesi Patoloji Anabilim Dalı'ndan temin edilen görüntüler ile Liken Skleroz, Morfea ve Kutanöz Küçük Damar Vasküliti hastalıklarına ait oluşturulan iki farklı veri seti üzerinde, makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak sınıflandırma işlemleri yapılmıştır. Kullanılan veri setlerinin özgün özellikleri bakımından literatürde öncü bir çalışma olma niteliği taşımaktadır. Veri setlerine Reinhard normalizasyonu, Gauss filtreleme, CLAHE histogram eşitleme yöntemleri ve veri artırımı uygulanmış, sonrasında Gri Seviye Eş Oluşum Matrisi (GLCM) ve histogram tabanlı istatistiksel yöntemler kullanılarak doku özellikleri ön plana çıkarılmıştır. Çalışmada ilk veri seti dijital mikroskop ile elde edilen görüntülerden oluşmaktadır ve bu veri seti üzerinde transfer öğrenme yöntemleri uygulandığında VGG16 modeli %97 ve ResNet50 %98 modeli ile doğruluğa ulaşılmıştır. Çalışmada oluşturulan ikinci veri seti doku örneklerinin yüksek çözünürlükte kayıt altına alınmasını sağlayan Tam Slayt Görüntüleyici kullanılarak Liken Skleroz ve Morfea hastalıklarına görüntülerden oluşturulmuştur. İkinci veri seti üzerinde makine öğrenmesi yöntemleri kullanılarak gerçekleştirilen sınıflandırma işlemleri sonucundan Yapay Sinir Ağları ve Destek Vektör Makineleri yöntemleri ile %97 sınıflandırma doğruluğuna ulaşılmıştır. Yapılan çalışmalar sonucunda patoloji uzmanları için doğru ve hızlı tanı koymada destek olacak bir yaklaşım sunulmuştur.
Özet (Çeviri)
Skin diseases are highly prevalent, affecting billions of people worldwide. Diagnosing skin diseases involves photographing the relevant area and taking tissue samples. Pathologists can examine tissue samples and make a diagnosis, which can be time-consuming. In this thesis, we used machine learning and deep learning methods to classify two different datasets for Lichen Sclerosus, Morphea, and Cutaneous Small Vessel Vasculitis, using images obtained from the Department of Pathology at Düzce University Faculty of Medicine. The unique characteristics of the datasets make this a pioneering study in the literature. Reinhard normalization, Gaussian filtering, CLAHE histogram equalization, and data augmentation were applied to the datasets. Texture features were then highlighted using Gray Level Co-occurrence Matrix (GLCM) and histogram-based statistical methods. In the study, the first dataset consists of images obtained with a digital microscope, and when transfer learning methods were applied to this dataset, the VGG16 model achieved an accuracy of 97% and the ResNet50 model achieved an accuracy of 98%. The second dataset consists of images from the Full Slide Imaging system, which enables high-quality image merging of tissue samples, used for the creation of Lichen Sclerosis and Morphea. Further processing on the second dataset using machine learning methods resulted in up to 97% accuracy using Artificial Neural Networks and Support Vector Machines. The studies have resulted in an approach that will support pathologists in making accurate and rapid diagnoses.
Benzer Tezler
- İnterpolasyon fleplerinde neovaskülarizasyonu hızlandırmak için rat adipoz doku kökenli mezenkimal kök hücre kullanılması
Use of rat adipose-derived mesenchymal stem cell to accelerate the neovascularization of interpolation flap in a rat model
HAKKI HAYRETTİN İZMİRLİ
Tıpta Uzmanlık
Türkçe
2011
Plastik ve Rekonstrüktif CerrahiKocaeli ÜniversitesiPlastik Rekonstrüktif ve Estetik Cerrahi Ana Bilim Dalı
DOÇ. DR. M. ŞAHİN ALAGÖZ
- Medikal görüntülerin analizinde dönüşüm tabanlı modellere açıklanabilir yapay zeka yaklaşımlarının uygulanması
Utilizing explainable artificial intelligence approaches to transformer based models in medical image analysis
DELAL ŞEKER
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULNASIR YILDIZ
- Deneysel olarak diyabet oluşturulmuş sıçanlarda yara modeli üzerine periferik mononükleer kök hücre ve bunlardan farklandırılmış langerhans hücre uygulamasının iyileşme üzerine etkileri
The effects of peripheral mononuclear stem cell and differentiated langerhans cells application on wound models in experimental diabetics created rats
PINAR KILIÇASLAN SÖNMEZ
Tıpta Uzmanlık
Türkçe
2018
Histoloji ve EmbriyolojiManisa Celal Bayar ÜniversitesiHistoloji ve Embriyoloji Ana Bilim Dalı
PROF. DR. MEHMET İBRAHİM TUĞLU
- Dorsal rat deri flebi cerrahi geciktirme modelinde Er: Yag, karbondioksit ve kombine lazerin etkisi (deneysel çalışma)
The effects of Er: Yag, carbon dioxide and combined lasers on surgically delayed dorsal rat skin flap model (experimental study)
ZEYNEP ŞEN
Tıpta Uzmanlık
Türkçe
2004
Plastik ve Rekonstrüktif CerrahiAnkara ÜniversitesiPlastik Rekonstrüktif ve Estetik Cerrahi Ana Bilim Dalı
PROF.DR. ERDEM YORMUK
- Pigmente bazal hücreli karsinomda dermatoskopik ve histopatolojik özellikler arasındaki korelasyon
Correlation of dermatoscopic and histopathologic features of pigmented basal cell carcinoma
DURU TABANLIOĞLU
Tıpta Uzmanlık
Türkçe
2008
DermatolojiHacettepe ÜniversitesiDahili Tıp Bilimleri Bölümü
PROF. DR. SEDEF ŞAHİN