Machine learning and ımage processing based concentration prediction of pancreatic cancer biomarker
Pankreas kanseri biyobelirtecinin makine öğrenmesi ve görüntü işleme tabanlı konsantrasyon tahmini
- Tez No: 927861
- Danışmanlar: DR. ÖĞR. ÜYESİ BAŞAK ESİN KÖKTÜRK GÜZEL, DR. ÖĞR. ÜYESİ GİZEM KALELİ CAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Makine öğrenmesi, Renkli görüntü, Sayısal görüntü, Sayısal görüntü analizi, Sayısal görüntü işleme, Yapay zeka, Machine learning, Colored vision, Digital image, Digital image analysis, Digital image processing, Artificial intelligence
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İzmir Demokrasi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, anti-CA 19-9 konjuge edilmiş doğal melanin nanopartikülleri ile aktifleştirilmiş kâğıt tabanlı bir kolorimetrik biyosensörden alınan görüntüleri analiz etmek için makine öğrenimi ve görüntü işleme teknikleri kullanılmıştır. CA19-9, pankreas kanserinde yaygın olarak yükselen bir tümör belirtecidir. Pankreas kanserinin seyri ve olası nüksü hakkında önemli bilgiler sunarak erken teşhis ve hastalık gözetimi için gereklidir. Kan dolaşımına salınır ve konsantrasyonu pankreas kanserinin varlığını, ilerlemesini veya nüksünü gösterebilir. CA19-9 tespiti için mevcut yöntemler, pahalı olan ve özel ekipman gerektiren laboratuvar tabanlı testlere dayanmaktadır. Çalışmanın birincil hedefleri, pankreas kanserinin tanımlanmasını hızlandırmak ve biyobelirteç seviyelerini takip etmek için hızlı, uygun fiyatlı ve invazif olmayan bir yol sunmaktır. Önerilen yaklaşım hem laboratuvar hem de saha ortamlarında kullanılabilecek taşınabilir bir cihaz sunarak hasta sonuçlarını iyileştirmeyi ve pankreas kanserinin erken teşhisine yardımcı olmayı amaçlamaktadır. Geleneksel bilgisayarla görme yaklaşımlarının segmentasyon alanındaki etkinliği tez kapsamında incelenmiş olsa da, bu konuda derin öğrenme tabanlı segmentasyon yöntemlerinin az olması nedeniyle U-Net, YOLOv8 ve Detectron2 gibi çağdaş teknikler kullanılmıştır. Bu teknikler kantitatif biyomarker değerlendirmesine ve daha hassas analizlere uygulanmıştır. Tanı prosedürlerindeki rollerini araştırmak için Doğrusal Regresyon, Kement Regresyonu, Karar Ağaçları, K-En Yakın Komşular, Destek Vektör Regresyonu, Rastgele Orman, Gradyan Güçlendirme ve XGBoost gibi makine öğrenimi algoritmalarının etkinliği de değerlendirilmiştir.
Özet (Çeviri)
In this thesis, machine learning and image processing techniques were used to analyze images from a paper-based colorimetric biosensor that had been activated with anti-CA 19-9 conjugated natural melanin nanoparticles. CA19-9 is a tumor marker that is commonly elevated in pancreatic cancer. It is essential for early detection and disease surveillance, offering important information on the course and possible recurrence of pancreatic cancer. It is released into the bloodstream, and its concentration can indicate the presence, progression, or recurrence of pancreatic cancer. Existing methods for CA19-9 detection rely on laboratory-based tests, which are expensive and require specialized equipment. The study's primary goals are to expedite the identification of pancreatic cancer and to offer a quick, affordable, and non-invasive way to track biomarker levels. By offering a portable device that can be utilized in both laboratory and field settings, the suggested approach seeks to enhance patient outcomes and aid in the early detection of pancreatic cancer. Although the effectiveness of traditional computer vision approaches in the segmentation field was examined inside the thesis, contemporary techniques like U-Net, YOLOv8, and Detectron2 were used because deep learning-based segmentation methods were scarce in this subject. These techniques were applied to quantitative biomarker evaluation and more sensitive analyses. To investigate their role in the diagnosis procedures, the effectiveness of machine learning algorithms like Linear Regression, K-Nearest Neighbors, Support Vector Regression, Random Forest, Gradient Boosting, and XGBoost were also assessed.
Benzer Tezler
- Kam yapma aparatı
Cam milling attachment
ORHAN UZUN
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. FEVZİ ERCAN
- Örnekle-tut ve analogtan dijitale çevirme devrelerinin analiz ve sentezi
Başlık çevirisi yok
ERTUĞRUL İPEK
Yüksek Lisans
Türkçe
1985
Elektrik ve Elektronik MühendisliğiUludağ ÜniversitesiElektronik Ana Bilim Dalı
PROF. DR. ERGÜR TÜTÜNCÜOĞLU
- Bir pamuk iplikhanesinde fiili çalışma metodlarının incelenmesi ve mevcut işlemlerin standart sürelerinin saptanması
Başlık çevirisi yok
MÜRŞİDE KESEROĞLU
Yüksek Lisans
Türkçe
1985
İşletmeEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA NAZMİ ERCAN
- Adana ili Ceyhan ilçesi Tatlıkuyu köyünün mekanizasyon varlığı ve işletme maliyetlerinin saptanması üzerinde bir araştırma
Başlık çevirisi yok
MEHMET KABASAKAL
Yüksek Lisans
Türkçe
1987
ZiraatÇukurova ÜniversitesiTarımsal Mekanizasyon Ana Bilim Dalı
PROF. DR. KURTULUŞ TUNCER
- Türkiye Demiryolu Makinaları Sanayi Anonim Şirketi'nin örgütsel sosyoloji açısından değerlendirilmesi
Başlık çevirisi yok
M. SERDAR KARAMANOĞLU