Automatic recognition of lymph node metastasis of bladder cancer with artificial intelligence
Yapay zekâ ile mesane kanserinin lenf nodu metastaslarının otomatik tanınması
- Tez No: 673275
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN GÖKHAN AKÇAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay zekânın önemli bir alt başlığı olan derin öğrenme, sağlık hizmetlerinde önemli gelişmelere ve kolaylaştırmalara olanak tanımaktadır. Bu bağlamda derin öğrenme yöntemleri kullanılarak geliştirilen sağlıkla alakalı uygulamalar gün geçtikçe artmaktadır. Kanserli hücrelerin tespiti, tıbbi görüntüleme, hastalıkları öngörmek ve hastalıkların bulut sistemlerinde kayıtlarının alınması gibi çalışmalar buna örnek olarak verilebilir. Özellikle hastalıklı ve kanserli hücrelerin tespiti büyük öneme sahiptir. Çünkü tıbbın en önemli kuralı olan“erken teşhis hayat kurtarır”dan yola çıkıldığında, kanserli hücrelerin yapay zekâyla erken teşhis edilmesi hastaların hayata döndürülmesine büyük katkı sağlamaktadır. Çok çeşitli kanser türü olmakla beraber mesane kanseri en sık görülen kanser türlerinden biridir. Daha geniş bir doku alanına yayılan kanserli hücrelerin yanında küçük boyutlu tümör hücrelerini de içeren mesane kanseri teşhis edilmesi zor bir kanser türüdür. Bu araştırmada, mesane kanseri tümörlerinin lenf nodu metastazlarının derin öğrenme kullanılarak tespit edilmesi amaçlanmıştır. Yapılan deney ve eğitimlerde büyük alanlara yayılmış kanser hücreleri derin öğrenme modeliyle büyük ölçüde tespit edilebildiği halde küçük alana yayılan tümörlerde bu başarı düşüktür. Bu çalışmanın asıl amacı, Mask R-CNN algoritması kullanılarak büyük tümörlü alanlarda elde edilen başarılı tanıma sonuçlarının, modelin tanıma oranının düşük olduğu küçük tümörlü alanlarda da aynı ya da yakın bir oranla elde edilmesidir. Böylece uzun, zorlu çalışma saatleri ve oldukça yüksek hasta sayısına sahip olan doktorların, gözden kaçırabileceği küçük tümör alanlarının daha yüksek oranda tanınmasıyla doktorlara büyük kolaylık sağlanacaktır. Çalışma için özel oluşturulan veri seti, ResNet modelini kullanan Mask R-CNN algoritması ile test edilmiştir. Test sonuçlarında büyük alana yayılmış tümörlü hücrelerde kayda değer başarı sağlanırken küçük alanlarda modelin aynı başarıyı elde edemediği gözlenmiştir. Bu amaçla modelin aşama ve katman sayılarında değişiklikler yapılarak ve küçük bir veri setine rağmen küçük tümör alanlarında önemli bir tanıma artışı elde edilmiştir.
Özet (Çeviri)
Deep learning, which is an important subheading of artificial intelligence, enables significant improvements and facilitations in healthcare services. In this scope, health-related applications developed by deep learning methods are increasing day by day. Studies such as the detection of cancer cells, medical imaging, predicting diseases and recording diseases in cloud systems can be given as examples. Detection of diseased and cancerous cells is of great importance. Since“early diagnosis saves lives”is the most important medicine rule, early diagnosis of cancer cells through artificial intelligence makes a significant contribution to getting patients back to life. There are several different types of cancer, and bladder cancer is one of the most common types of cancer. Bladder cancer, which involves small tumor cells as well as cancer cells that spread over a wider area of tissue, is a difficult form of cancer to diagnose. The aim of this study is to detect the lymph node metastasis of bladder cancer using artificial neural networks. In experiments, while cancer cells that spread across large areas can be identified to a large extent by a deep learning model, this performance is lower in tumors that spread to small areas. The main purpose of this study is to achieve successful diagnosis accuracy in small cancer areas as well as in large cancer areas. Thus, significant convenience will be achieved with the recognition of small tumor areas in which doctors who have long, challenging working hours and quite high number of patients can overlook. Specially created dataset for the study was tested with the Mask R-CNN algorithm using the ResNet model. In the test results, it was observed that while significant success was achieved in tumor cells which covers large areas, the model did not achieve the same success on the small areas. For this purpose, changes and additions were made in the number of layers and stages of the model and a significant improvement in small tumor area detection was obtained.
Benzer Tezler
- Automatic target recognition of quadcopter type drones from moderately-wideband electromagnetic data using convolutional neural networks
Dört pervaneli robot helikopter tipi insansız hava araçlarının evrişimli sinir ağları kullanılarak orta derecede bant genişliğine sahip elektromanyetik sinyallerden otomatik yöntemlerle tanınması
RUTKAY GÜNERİ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÖNÜL SAYAN
- Development of an automatic feature recognition system for prismatic parts
Prizmatik parçalar için otomatik bir unsur tanımlama sisteminin geliştirilmesi
MUSTAFA YILDIZ
Yüksek Lisans
İngilizce
1998
Makine MühendisliğiGaziantep ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. İ. HÜSEYİN FİLİZ
- The effects of Automatic Speech Recognition (ASR) Applications on ELT Learners' Speaking Skills
Otomatik konuşma tanıma uygulamalarının İngiliz Dili Eğitimi Bölümü öğrencilerinin konuşma becerilerine olan etkileri
OĞUZHAN DEMİRCİ
Yüksek Lisans
İngilizce
2024
Eğitim ve ÖğretimDokuz Eylül ÜniversitesiYabancı Diller Eğitimi Ana Bilim Dalı
DOÇ. DR. AHMET ACAR
- Automatic digital modulation recognition in the presence of additive Gaussian noise
Toplamsal Gaussian gürültüsü altında otomatik sayısal modülasyon tanıma
BURCU BARIŞ
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DAMLA GÜRKAN KUNTALP
- Design and implementation of a platform independent automatic speech recognition system
Platformdan bağımsız bir otomatik konuşma tanıma sisteminin tasarlanması ve uygulanması
DOĞAN URGUN
Yüksek Lisans
İngilizce
2012
Mekatronik MühendisliğiAtılım ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULKADİR ERDEN
YRD. DOÇ. DR. HAKAN TORA