Medikal görüntülerde derin öğrenme yöntemlerinin başarım değerlendirmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Çanakkale Onsekiz Mart Üniversitesi, Lisansüstü Eğitim Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: AYŞE MELİKE İDİNAK
Danışman: Yonca Bayrakdar
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Beyin tümörü, kontrolsüzce büyüyen beyin hücrelerine denir. Bu kontrolsüzce büyüyen anormal dokuların tespitinde derin öğrenmenin faydalı olabileceği iddia edilmiştir. Medikal görüntüler üzerinde derin öğrenme yöntemleri kullanılarak tümörün erken teşhis edilebileceği öngörülmüştür. Bu tezde, hastalıkların erken teşhisini kolaylaştırmak için medikal görüntüler üzerinde yaygın olarak kullanılan derin öğrenme algoritmalarının başarımları karşılaştırılarak beyin tümörleri alanı üzerindeki başarımı yüksek algoritmanın tespit edilmesi amaçlanmıştır. Çalışmada BraTS dataseti kullanılmıştır. Medikal görüntüler üzerinde yaygın olarak kullanılan Vgg19, Resnet, Unet ve InceptionV3 öğrenme algoritmalarından model oluşturularak bu algoritmalar eğitilmiştir. Daha sonra eğitilen algoritmalara BraTS dataseti verilerek başarımları ölçülmüşür. Bu eğitim ve başarım ölçümü sırasında python, tensorflow ile yazılmış algoritma modelleri kullanılarak, Google Colab üzerinde eğitimleri ve başarım ölçümleri yapılmıştır. Elde edilen sonuçlar karşılaştırılarak başarımı yüksek algoritma tespit edilmiş ve nedenleri ortaya konmuştur. Başarım değerlendirmesi yapılırken doğruluk, dice benzerliği, f1 skor ve meanIoU metrikleri kullanılmıştır. Metriklerin karşılaştırılması sonucunda en performanslı modelin InceptionV3 olduğuna karar verilmiştir.