2 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 2 / 2
Öğe Akciğer kanserinin derin öğrenme yaklaşımları kullanılarak tespit edilmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-03-20) Ayayna, Ferhat; Çalışkan, AbidinKanser, dünyadaki tüm ülkelerde ölüm sebebi ve kötü yaşam kalitesinin en büyük nedenlerinden olarak ilk sıralarda yer almaktadır. Dünya sağlık örgütü’nün 2019 yılındaki kayıtlarına göre yapmış olduğu tahminlerde kanser 183 ülkenin 112 ‘inde 70 yaş üzerindeki ölümlerin nedenleri arasında birinci veya ikinci sırada bulunurken 23 ülkede ise ölüm nedeni olarak üçüncü veya dördüncü sırada yer alır. Koroner kalp hastalığından ve inmeden dolayı ölenlerin oranlarındaki düşüş kanserin öneminin artmasına neden olmuştur. 2020 yılında 2,2 milyon yeni teşhis (tüm kanserler arasında yaklaşık %11,4) ve 1,8 milyon ölüm nedeni olarak akciğer kanseri en çok teşhis edilen kanserler arasında ikinci, ölüm sebebi olarak birinci sırada yer almıştır. Akciğer kanserinin teşhis edilmesinde ve tedavi sürecinde tıbbi görüntüleme tekniklerin önemi büyüktür. Bilgisayarlı tomografi, göğüs röntgeni, manyetik rezonans görüntüleme, moleküler görüntüleme teknikleri ve pozitron emisyon tomografisi akciğer kanserinin tespit edilmesinde önemli yer tutarlar. Kullanılan bu tekniklerin en büyük eksiklikleri arasında, başka patolojik rahatsızlığı olan hastalar için uygun olmayan ve kanser türünün sınıflandırılamaması gibi sorunlar yer alır. Bu kanser için erken teşhis ve sınıflandırma için yeni yaklaşımlarda bulunmak gerekmektedir. Tıpta görüntüleme alanında değeri artan konulardan biri olarak derin öğrenme yöntemi giderek daha fazla kullanılmaya başlanmıştır. Doktorların akciğer kanseri için daha net ve daha hızlı bir şekilde karar vermelerinde yapay zekâ ve derin öğrenmeyi kapsayan tıbbi cihazların geliştirilmesi son derece önemlidir. Bu çalışmada, akciğer kanserinin tespit ve sınıflandırılması için VGG16, VGG19 ve Xception yöntemleri kullanılmıştır. Derin öğrenme tabanlı yöntemler kullanılarak yapılan çalışmalarda, önerilen yaklaşım ile VGG16, VGG19 ve Xception yöntemleri ile %94,19, %95,24 ve %90,14 oranında başarı elde edilmiştir.Öğe Beyin tümörünün derin öğrenme yaklaşımları kullanılarak tespit edilmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-09-27) Aslım, Cafer; Çalışkan, AbidinBu yüksek lisans tezi, beyin tümörlerinin tespiti için derin öğrenme yöntemlerinin kullanımını incelemektedir. Beyin tümörleri, dünya genelinde nadir görülmelerine rağmen yüksek ölüm oranlarına sahip ciddi malignitelerdir. Erken teşhis ve doğru sınıflandırma, tedavi sürecinde hayati öneme sahiptir. Bu çalışmada, derin öğrenme yöntemlerinin, özellikle evrişimsel sinir ağlarının (ESA), beyin tümörlerinin tespiti ve sınıflandırılması üzerindeki performansı değerlendirilmektedir. Çeşitli derin öğrenme modelleri ve makine öğrenmesi algoritmaları kullanılarak, beyin tümörlerinin MRI ve BT görüntülerinden tespit edilmesi amaçlanmıştır. Çalışmada VGG19, Inception V3 ve MobileNet gibi derin öğrenme modelleri ile K-En Yakın Komşu (k-NN) ve Destek Vektör Makineleri (DVM) gibi makine öğrenme algoritmaları kullanılmıştır. Model performansları doğruluk, hassasiyet, duyarlılık, F1 skoru ve ROC-AUC gibi metriklerle değerlendirilmiştir. Elde edilen sonuçlar, derin öğrenme modellerinin beyin tümörlerinin tespitinde yüksek doğruluk ve güvenilirlik sunduğunu göstermektedir. Özellikle VGG19 modelinin diğer modellere kıyasla daha yüksek performans sergilediği tespit edilmiştir. Bu bulgular, derin öğrenme yöntemlerinin tıbbi görüntü analizi alanında etkili bir araç olabileceğini ve klinik uygulamalarda kullanılabilirliğini göstermektedir. Gelecekteki çalışmalarda, daha büyük veri setleri ve farklı derin öğrenme modelleri kullanılarak performansın daha da artırılması hedeflenebilir.
