Geri Dön

Tıbbi görüntülerden derin öğrenme tabanlı hastalık teşhisi için öznitelik çıkarma, sıralama ve seçme yöntemlerine dayalı yeni bir karar destek sistemi

A new decision support system based on feature extraction, ranking and selection methods for deep learning-based disease diagnosis from medical images

PDF İndir

  1. Tez No: 881044
  2. Yazar: TUĞBA NUR BOZKURT
  3. Danışmanlar: PROF. DR. MEHMET EMİN YÜKSEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Tıbbi görüntüler, AlexNet, ResNet-101, Öznitelik vektörü çıkarma, Öznitelik sıralama, Öznitelik seçme, Makineli öğrenme, Sınıflandırma, Karar destek sistemi, Derin öğrenme, Görüntü işleme, Görüntü işleme yöntemleri, Yapay zeka, Medical images, AlexNet, ResNet-101, Feature vector extraction, Feature ranking, Feature selection, Machine learning, Classification, Decision support system, Deep learning, Image processing, Image processing methods, Artificial intelligence
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Dünya genelindeki doktor sayısının yetersizliği; doktorların iş yükünü oldukça arttırırken, hastalarında doğru, vaktinde ve erişilebilir maliyette sağlık hizmeti almasını engellemektedir. Bu yüzden doktorların iş yükünü azaltacak, hastaların doğru ve vaktinde sağlık hizmeti almasını sağlayacak bir sistem geliştirilmesi oldukça önemlidir. Bu çalışmada tıbbi görüntülerle teşhis edilebilen hastalıkların hızlı ve etkin bir şekilde teşhis edilmesini sağlayan yeni bir yöntem önerilmektedir. Önerilen yöntem, AlexNet, ResNet-101 ve AlexNet + ResNet-101 sinir ağları ile öznitelik çıkarma, iki örneklemli z-test yöntemiyle öznitelik sıralama ve ikili genetik algoritma (BGA) yöntemiyle öznitelik seçme yöntemlerinin kombine bir şekilde kullanılması yoluyla tıbbi görüntülerin çok az sayıda öznitelikle, hızlı ve yüksek doğrulukla sınıflandırılmasını sağlayan ve bu yolla düşük maliyetli donanımlar üzerinde gerçeklenebilen bir karar destek sistemi yöntemidir. Yöntemin performansı 3 farklı veri seti üzerinde, 4-katlı çapraz doğrulama ile k-En Yakın Komşu (KNN) ve Destek Vektör Makineleri (SVM) sınıflandırıcıları kullanılarak değerlendirilmiştir. Elde edilen sonuçlar, önerilen yöntemin tıbbi görüntülerin çok az öznitelikle hızlı ve yüksek doğrulukla sınıflandırılmasında etkin rol oynadığını göstermiştir.

Özet (Çeviri)

The continuing shortage of medical professionals around the world steadily escalates their workload while hindering patients from accessing suitable, timely, and cost-effective health services. Therefore, it becomes increasingly crucial to develop appropriate decision support systems that will alleviate the workload of medical professionals while ensuring that patients receive suitable and timely health services. This study introduces a novel method for the rapid and accurate diagnosis of diseases using medical images acquired through various medical imaging techniques. The proposed approach is based on the combined use of feature extraction using AlexNet, ResNet-101, AlexNet + ResNet-101 neural networks, feature ranking with two-sample z-test, and feature selection with binary genetic algorithm. From this respect, the proposed approach is an innovative decision support system that provides rapid and accurate classification of medical images using much fewer features and can be deployed on low-cost hardware. The performance of the proposed method was assessed using three distinct datasets by implementing k-Nearest Neighbors (KNN) and Support Vector Machine (SVM) classifiers with 4-fold cross validation. Obtained results demonstrate that the proposed method is very successful in highly accurate classification of medical images despite utilizing much fewer features leading to significantly lower computational cost.

Benzer Tezler

  1. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  2. Tez No

    106

    Sivas yöresinde akraba evliliği yapan ve yapmayan çiftlerde dermatoglifik benzerlikler

    Similarities of dermataoglyphies among individval of married relatives and married couples not related to each other in Sivas region

    Y. SELMA SÜNGÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    1984

    Tıbbi BiyolojiCumhuriyet Üniversitesi

    Tıbbi Biyoloji ve Genetik Ana Bilim Dalı

    YRD. DOÇ. DR. İLHAN SEZGİN

  3. Tez No

    65

    Ferrokrom fabrikasında çalışan işçilerde stogenetik çalışmalar

    Başlık çevirisi yok

    AYNUR ACAR

    Doktora

    Türkçe

    Türkçe

    1985

    Tıbbi BiyolojiAkdeniz Üniversitesi

    Tıbbi Biyoloji ve Genetik Ana Bilim Dalı

    DOÇ. DR. GÜVEN LÜLECİ

  4. Tez No

    78

    Ameliyat öncesi hastaların ameliyata ilişkin duyguları, düşünceleri ve bilgi istekleri

    The Pre-operative patiensts feelings throughts and information requirements concerning their surgical operations

    KADRİYE BULDUKOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    HemşirelikCumhuriyet Üniversitesi

    Hemşirelik Ana Bilim Dalı

    YRD. DOÇ. DR. MELİHA ATALAY

  5. Tez No

    380

    Gazi Eğitim Fakültesi Beden Eğitimi ve Spor bölümü öğrencilerinde dolaşım ve solunuma etkili bazı parametrelerin“Boy, kilo, spor yapma yılı, sigara alışkanlığı”araştırılması

    Başlık çevirisi yok

    RASİM KALE

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    SporGazi Üniversitesi

    Beden Eğitimi ve Spor Ana Bilim Dalı

    PROF. DR. M. FADIL ERTOGAN

Geri Dön