Deep learning neural network based on the PSO for leukemia cell disease diagnosis from microscope images
Mikroskop görüntüleri üzerinden lösemi hücre hastalığının tanısı için PSO temelli derin öğrenmeli sinir ağları
- Tez No: 792793
- Danışmanlar: DR. ÖĞR. ÜYESİ AYHAN AKBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Lösemi, kan dokusu ve kemik iliği gibi sistemlerini etkileyen bir kanser türüdür. Lösemi nedeniyle beyaz kan hücreleri etkilenir ve kemik iliği anormal, olgunlaşmamış sayıda beyaz kan hücresi üretir. Bu hücreler doğru şekilde çalışmaz ve vücutta dolaşırlar. Lösemi, mikroskop görüntülerinden elde edilen görüntü özellikleri kullanarak tanı elde etmek için zor olan hastalıklardan biridir. Bu tezde, mikroskop görüntülerinden lösemi hücresi hastalığı tanısı için optimizasyon yöntemlerine dayalı derin öğrenmeli sinir ağları kullanılmıştır. İlk olarak, ImageNet üzerinde önceden eğitilmiş iki güçlü CNN mimarisi lösemi görüntüleri üzerinden özelliklerin çıkarılması için kullanılmıştır. Bunlar: Derin Artık Kalan Ağlar (ResNet-50) ve GoogLeNet'dir. Daha sonra, etkili özellikleri seçmek için Parçacık Sürü Optimizasyonu (PSO) ve Karınca Koloni Optimizasyonu Algoritması (KKO) kullanılmıştır. Bu sayede farklı makine öğrenimi algoritmaları kullanarak elde edilen en doğru ve hızlı tahminler elde edilecektir: Destek Vektör Makinesi (DVM), K-En Yakın Komşu (K-EYK) ve Karar Ağacı (KA) üzerinden elde edilen sonuçlar şöyledir: DVM, K-EYK ve KA için sırasıyla 100%, 100% ve 89.7% şeklindedir.
Özet (Çeviri)
Leukemia is a cancer of blood tissues, including the bone marrow and the lymphatic system. White blood cells (WBCs) are affected by leukemia, causing the bone marrow to produce an excessive amount of abnormal, and immature WBCs, which do not function properly and circulate through the body. Leukemia is one of the most difficult diagnoses to make that uses image features extracted from a microscope. In this thesis, deep learning neural networks based on optimization methods have used for leukemia cell disease diagnosis from microscope images. First, two powerful Convolutional Neural Networks (CNNs) architectures with pre-trained on ImageNet have used to extract features from leukemia images, which are: Deep Residual Networks (ResNet-50) and GoogLeNet. Then, Particle Swarm Optimization (PSO) and Ant Colony Optimization (ACO) have used to select the effective features to achieve the most accurate and fastest prediction that will be obtained by using different of machine learning algorithms which are: Support Vector Machine (SVM), K-Nearest Neighbor (K-NN), and Decision Tree (DT). The obtained results were as follows: 100%, 100%, and 89.7% for SVM, K-NN, and DT, respectively.
Benzer Tezler
- Dondurularak saklamanın tavuk etinin bazı kalite özellikleri üzerine etkisi
Başlık çevirisi yok
Ö.EVREN ATASOY
Yüksek Lisans
Türkçe
1987
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DR. SUMRU TÖMEK
- Finite element investigation of beams of variable cross section
Başlık çevirisi yok
CAN BALKAYA
Yüksek Lisans
İngilizce
1987
İnşaat MühendisliğiOrta Doğu Teknik ÜniversitesiPROF. DR. ERGİN ÇITIPITIOĞLU
- Uygun sulama yönteminin seçimine ekonomik faktörlerin etkisi
Effect of economical factors on the selection of irrigation methods
YASEMİN ALTINORAK
Yüksek Lisans
Türkçe
1987
ZiraatAnkara ÜniversitesiKültürteknik Ana Bilim Dalı
YRD. DOÇ. DR. OSMAN YILDIRIM
- Nevşehir doyduk sulama alanı drenaj-tuzluluk sorunları ve çözüm yolları
Drainage-salinity problems and solution means in the Nevşehir doyduk irrigation area
CENGİZ KOÇ