Histopatolojik kan yayma görüntülerinde kırmızı kan hücrelerinden derin öğrenme ile sıtma tespiti
Detection of malaria from red blood cells in histopathological blood smear images using deep learning
- Tez No: 1002637
- Danışmanlar: PROF. DR. AHMET OCAK AKDEMİR, DOÇ. DR. ERDAL BAŞARAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Makine öğrenmesi, Makine öğrenmesi yöntemleri, Machine learning, Machine learning methods
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ağrı İbrahim Çeçen Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Analiz ve Fonksiyonlar Teorisi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sıtma hastalığı özellikle gelişmekte olan bölgelerde küresel halk sağlığı için ciddi bir tehdit oluşturan, dünyanın en kritik paraziter hastalıklarından biri olmaya devam etmektedir. Altın standart olarak kabul edilen geleneksel mikroskobik tanı yöntemleri, yoğun emek ve zaman alıcı olmasının yanı sıra büyük ölçüde klinik uzmanlık gerektirmektedir. Bu çalışma, evrimsel sinir ağları (ResNet50, EfficientNetB0, InceptionResNetV2 ve Xception) ve Görü Dönüştürücü tabanlı mimariler (ViT-Base, Swin Transformer, DeiT ve PVT) gibi gelişmiş derin öğrenme modellerini kullanarak sıtma tespitinin doğruluğunu ve açıklanabilir yapay zeka uygulanmasını amaçlamaktadır. Modeller, 5 katlı çapraz doğrulama yöntemi kullanılarak dört farklı sıtma türünü içeren mikroskobik kan görüntüsü veri kümesi üzerinde eğitilmiş ve test edilmiştir. Evrişimsel Sinir Ağları modelleri arasında Xception %98,10 ile en yüksek doğruluk oranına ulaşırken, Swin Transformer da Dönüştürücü tabanlı modeller arasında benzer bir başarı göstermiştir. Ayrıca, modelin karar verme sürecindeki en etkili bölgeleri görsel olarak vurgulamak ve modelin yorumlanabilirliğini artırmak için Gradyan Ağırlıklı Sınıf Aktivasyon Haritalama (Grad-CAM) tekniği uygulandı. Bulgular, dönüştürücü tabanlı mimarilerin açıklanabilir yapay zeka ile birleştirilmesinin hem sınıflandırma performansını hem de model şeffaflığını önemli ölçüde iyileştirdiğini göstermektedir. Bu, otomatik sıtma teşhis sistemlerinin klinik güvenilirliğini artırarak, gerçek dünya uygulamalarında kullanım potansiyellerini güçlendirir.
Özet (Çeviri)
Malaria remains one of the world's most critical parasitic diseases, posing a serious threat to global public health, particularly in developing regions. Traditional microscopic diagnostic methods, considered the gold standard, are labor-intensive and time-consuming, and require a high degree of clinical expertise. This study aims to improve the accuracy of malaria detection and apply explainable artificial intelligence using advanced deep learning models such as evolutionary neural networks (ResNet50, EfficientNetB0, InceptionResNetV2, and Xception) and Transformer-based architectures (ViT-Base, Swin Transformer, DeiT, and PVT). The models were trained and tested on a microscopic blood image dataset containing four different types of malaria using a 5-fold cross-validation method. Among the Convolutional Neural Network models, Xception achieved the highest accuracy rate of 98.10%, while Swin Transformer showed similar success among Transformer-based models. Furthermore, the Gradient-Weighted Class Activation Mapping (Grad-CAM) technique was applied to visually highlight the most influential regions in the model's decision-making process and enhance the model's interpretability. The findings show that combining transformer-based architectures with explainable artificial intelligence significantly improves both classification performance and model transparency. This enhances the clinical reliability of automated malaria diagnosis systems, strengthening their potential for use in real-world applications real-world applications.
Benzer Tezler
- Çevresel östrojenlerden bisfenol A ve oktilfenolün erkek sıçanlarda subkronik etkileri
Subchronic effects of environmental estrogens; bisphenol A and octylphenol on male rats
NURÇİN YILDIZ
Yüksek Lisans
Türkçe
2009
BiyolojiHacettepe ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. NURHAYAT BARLAS
- Kronik strese ve yağlı diyete maruz bırakılan sıçanlarda testis ve spermlerin immunhistokimyasal ve morfometrik yöntemler eşliğinde ışık mikroskobik değerlendirilmesi
Light microscopic evaluation of sperms and testes along with immunohistochemical and morphometric methods in the rats undergone to fatty diet and chronic stress
TUBA DEMİRCİ
Tıpta Uzmanlık
Türkçe
2011
Histoloji ve EmbriyolojiAtatürk ÜniversitesiHistoloji ve Embriyoloji Ana Bilim Dalı
PROF. DR. ELVAN ÖZBEK
- İnce iğne aspirasyon biyopsi sonucu foliküler neoplazm ya da foliküler neoplazm şüphesi veren yayma olarak gelen tiroit nodüllerinde annexin a2 proteinin maligniteyi öngörmedeki tanısal rolü
The role of annexin a2 protein in prediction of malignancy which results suspicious for follicular neoplasia and follicular neoplasia from the fine needle aspiration biopsy
RAMAZAN YAVUZ
Tıpta Uzmanlık
Türkçe
2020
Genel CerrahiAtatürk ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. ERDEM KARADENİZ
- Kronik lenfositik lösemide tanı anında ölçülen hipogamaglobulineminin prognostik önemi ve sıklığı
Başlık çevirisi yok
FATİH KUŞ
Tıpta Uzmanlık
Türkçe
2020
Hematolojiİstanbul Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. MELİHA NALÇACI