Medical image classification using convolutional neural network
Evrişimsel sinir ağları kullanılarak medikal görüntü sınıflandırılması
- Tez No: 864663
- Danışmanlar: PROF. DR. FATİH VEHBİ ÇELEBİ, DR. ÖĞR. ÜYESİ AYŞE KELEŞ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Görüntü işleme-bilgisayarlı, Image processing-computer assisted
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin dokusunda gerçekleşen anormal büyümelerle ortaya çıkan hastalık beyin tümörü olarak adlandırılır. Beynin farklı bölgelerinde ortaya çıkan bu kanserli hücreler farklı boyutlarda ve şekillerde olabilmektedirler. Bu hastalığa yakalanan insanların hızlı tanısı ve tedavi planının belirlenmesi, hastanın yaşamı için önem arz etmektedir. Bugüne kadar farklı görüntüleme teknikleri kullanılarak beyin tümörleri tespit edilmeye çalışılmıştır. Bunlardan en yaygın ve tümörlü bölgeyle ilgili detaylı bilgiler içeren teknik Manyetik Rezonans (MR) tekniğidir. MR sayesinde beyin dokusunda yer alan kanserli hücrelerin yeri, boyutu ve hacmi tespit edilebilmektedir. Ancak bazı vakalarda doğru tanı ve tümör teşhisi güç olmaktadır. Uzmanlar tarafından gerçekleştirilen teşhis süresi ve doğruluğu hasta için kritik öneme sahiptir. Bu çalışmamızda bir derin evrişimsel sinir ağı olan U-Net 3 boyutlu olarak geliştirilmiş ve 3 boyutlu MR görüntülerine sahip BraTS 2020 veri seti kullanılarak çok sınıflı semantik bir beyin tümörü bölütlemesi gerçekleştirilmiştir. Geliştirilen model ile tümörlü bölgelerin farklı tümör etiketleri 0.97 gibi yüksek bir doğruluk değeriyle tespit edilmiştir. Modelin bölütleme başarısını ölçen Intersection over Union (IoU) skoru ise eğitim veri seti için 0.75, doğrulama veri seti için 0.62 çıkmıştır. Eğitilen model test amaçlı kullanılan ve modelin daha önce görmediği 3 boyutlu MR görüntülerini hızlı bir şekilde işleyip yüksek doğrulukla bölütlemesini gerçekleştirmektedir. Geliştirilen bu modelin beyin tümörü teşhisinde uzmanlar tarafından kullanılmasının tanı sürelerini kısaltacağına inanıyorum.
Özet (Çeviri)
A brain tumor is a disease caused by abnormal growth in brain tissue. These cancerous cells can occur in different brain parts and vary in size and shape. The rapid diagnosis and treatment plan for individuals with this disease are crucial for their well-being. Brain tumors have been identified using various imaging techniques, with magnetic resonance imaging (MRI) being the most common. This technique provides detailed information about the tumor area. MRI can determine cancerous cells' location, size, and volume in brain tissue. However, accurate diagnosis and tumor identification can be challenging in some cases. The accuracy and timing of expert diagnosis are critical for patients. This study implemented U-Net, a deep convolutional neural network, for 3D multi-class semantic brain tumor segmentation using the BraTS 2020 dataset and 3D MRI images. The developed model detected different tumor labels with a high accuracy of 0.97. The trained model achieved an IoU score of 0.75 for the training set and 0.62 for the validation set, which indicates successful segmentation. Additionally, the model can detect unseen images, which are used for testing purposes, within seconds. I anticipate that this model will significantly reduce diagnosis times for brain tumor experts.
Benzer Tezler
- Kayısı yapraklarının evrişimsel sinir ağları kullanılarak sınıflandırılması
Classification of apricot leafs via convolutional neural network
BERNA ARI
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- Classification of lung CT images using deep convolutional neural network
Akciğer tomografi görüntülerinin derin evrişimsel sinir ağları ile sınıflandırılması
HOMAY DANAEI MEHR
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HÜSEYİN POLAT
- Vascular segmentation of brain MR angiography images using convolutional neural networks
Evrişimsel sinir ağları kullanarak beyin MR anjiyografi görüntülerinin vasküler segmentasyonu
YUSUF HÜSEYİN ŞAHİN
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. GÖZDE ÜNAL
- Evrışımsel sınır ağları ıle meme kanserı hıstopatolojık görüntülerının sınıflandırılması
Classification of breast cancer histopathological images with convolutional neural networks
KEVIN KIAMBE ASSA
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET BABALIK
- Derin öğrenme tekniklerinin biyomedikal imgeler üzerine uygulamaları
Applications of deep learning techniques on biomedical images
MEHMET EMRE SERTKAYA
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURHAN ERGEN
- Emotion recognition process analysis by using eye tracker, sensor and application log data
Göz izleme cihazı, sensör ve uygulama verileri ile insanlarda duygu tanıma analizi
MAHİYE ÖZTÜRK
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE