Akciğer kanserinin tespit edilmesinde derin öğrenme algoritmalarının kullanılması
dc.contributor.advisor | Bayrakçı, Hilmi Cenk | |
dc.contributor.advisor | Aksoy, Bekir | |
dc.contributor.author | Türkçetin, Ayşen Özün | |
dc.date.accessioned | 2020-12-29T09:13:12Z | |
dc.date.available | 2020-12-29T09:13:12Z | |
dc.date.submitted | 2019 | |
dc.date.issued | 2019-10-23 | |
dc.identifier.uri | https://acikbilim.yok.gov.tr/handle/20.500.12812/379176 | |
dc.description.abstract | Türkiye'de yılda 163.500 civarında yeni kanser vakası teşhis edilmektedir. Akciğer kanseri, gelişmiş ülkelerin çoğunda olduğu gibi ülkemizde de kanserden dolayı meydana gelen ölümlerinin başını çekmektedir. Dolayısıyla başarılı ve erken teşhis hayati önem taşımaktadır.Akciğer kanseri BT görüntülerideki kanserli dokuların tanısında kullanılacak olan derin öğrenme metotları ile, akciğer kanseri teşhisinde derin öğrenme alanında çok az sayıda araştırma vardır. Bu sebepten dolayı yapılan çalışmada PET/BT görüntüleri üzerinden akciğer kanseri tümörlü doku tespiti için bir derin öğrenme modeli önerilmiştir.Oluşturulan derin öğrenme modellerinde veri seti olarak iyi ve kötü huylu tümör bulunan 38 farklı hastadan 1968 tane BT görüntüsü kullanılmıştır. Yüksek lisans çalışmasında, akciğer kanserinin teşhisi öncesi sınıflandırma için derin öğrenme modelleri kullanılmıştır. Veri seti önce iyi ve kötü huylu tümör bulunma durumlarına göre etiketlenmiştir. Hastalardan alınan BT görüntülerine görüntü işleme metotlarından histogram eşikleme yöntemi uygulanmıştır. Histogram eşikleme metodu uygulanan veriler iyi ve kötü huylu olarak etiketlenmiş, % 80'i eğitim, % 20'si test olacak şekilde ayrılmıştır. Ayrılan bu veri setine önerilen CNN derin öğrenme modeli uygulandığında doğruluk oranı % 98.48 olarak tespit edilmiştir. Oluşturulan veri setinin DNN derin öğrenme modelindeki doğruluk oranı ise % 93.65 olarak tespit edilmiştir. Literatürdeki diğer çalışmalarla karşılaştırıldığında önerilen derin öğrenme modellerinin daha yüksek doğruluk oranına sahip olduğu görülmüştür. | |
dc.description.abstract | Of around 163 500 new cases of cancer are diagnosed annually in Turkey. Lung cancer is the leading cause of cancer deaths in our country as in most developed countries. Therefore, successful and early diagnosis is vital.There are very few studies in the field of deep learning in the diagnosis of lung cancer, with the use of deep learning methods for the diagnosis of cancerous tissues on lung cancer CT images. For this reason, in the study, a deep learning model for lung cancer tumor tissue detection via PET / CT images was proposed.1968 CT images of 38 different patients with benign and malignant tumors were used as the data set in the deep learning models. In the graduate study, deep learning models were used for classification before the diagnosis of lung cancer. The data set was first labeled according to the presence of benign and malignant tumors. Histogram thresholding method was applied to the CT images obtained from the patients. The histogram thresholding data were labeled as benign and malignant, 80% of which was divided into training and 20% of which were tested. When the proposed CNN deep learning model was applied to this separated data set, the accuracy rate was 98.48%. The accuracy of the data set in the DNN deep learning model was 93.65%. Compared to other studies in the literature, the proposed deep learning models have higher accuracy. | en_US |
dc.language | Turkish | |
dc.language.iso | tr | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | Attribution 4.0 United States | tr_TR |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | |
dc.subject | Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol | tr_TR |
dc.subject | Computer Engineering and Computer Science and Control | en_US |
dc.subject | Mekatronik Mühendisliği | tr_TR |
dc.subject | Mechatronics Engineering | en_US |
dc.title | Akciğer kanserinin tespit edilmesinde derin öğrenme algoritmalarının kullanılması | |
dc.title.alternative | Using deep learning algorithms for detecti̇on of lung cancer | |
dc.type | masterThesis | |
dc.date.updated | 2019-10-23 | |
dc.contributor.department | Mekatronik Mühendisliği Anabilim Dalı | |
dc.subject.ytm | Machine learning | |
dc.subject.ytm | Digital image processing | |
dc.subject.ytm | Deep learning | |
dc.subject.ytm | Artificial neural networks | |
dc.identifier.yokid | 10269241 | |
dc.publisher.institute | Lisansüstü Eğitim Enstitüsü | |
dc.publisher.university | ISPARTA UYGULAMALI BİLİMLER ÜNİVERSİTESİ | |
dc.identifier.thesisid | 571303 | |
dc.description.pages | 60 | |
dc.publisher.discipline | Diğer |