Gelişmiş Arama

Basit öğe kaydını göster

dc.contributor.authorÖzsoy, Yaren
dc.contributor.advisorTaşkın, Deniz
dc.date.accessioned2022-06-16T06:17:03Z
dc.date.available2022-06-16T06:17:03Z
dc.date.issued2022en_US
dc.date.submitted2022
dc.identifier.urihttp://dspace.trakya.edu.tr/xmlui/handle/trakya/8061
dc.description.abstractGünümüzde hızla artan nüfus ile birçok alanda olduğu gibi sağlık alanında da iş yoğunluğu artmaktadır. Artan iş yoğunluğunun getirdiği yükü hafifletmek amacıyla sağlık alanında doktorlarımıza yardımcı olmak için hastalığın teşhisinde kullanılabilecek model ve algoritmalar geliştirilmektedir. Hastalığın özellikle erken teşhis edilmesi Dünyada ve Türkiye’de ölüm oranını azaltmak için çok önemli etkendir. Bu yüzden derin öğrenme yöntemleri kullanarak birçok hastalığın tespit edilmesi sağlık açısından önem taşımaktadır. Hastalıklar arasında en yaygın ve ölümle sonuçlanan hastalıklardan biri zatürredir. Zatürre hastalığı, görüntüleme tekniği olan röntgen ile tespit edilmektedir. Bu tez çalışmasında da akciğer röntgenlerinden oluşan veri kümesi içerisinde etiketli veriler ile sınıflandırma modeli kullanılmıştır. Ayrıca bu alandaki mevcut ve benzer çalışmalar incelenmiştir. İncelenen çalışmalar doğrultusunda performans açısından verimli olduğunu düşündüğümüz model ve metotlar tercih edilmektedir. Sağlık alanında verilerin kısıtlı olmasından kaynaklı kullanılacak olan modellerin uygunluğu başarı oranının daha yüksek olmasındaki temel faktördür. İlk aşama olarak veri kümesi, zatürre hastası olan ve zatürre hastası olmayan insanların akciğer röntgen görüntülerinden oluşmaktadır. Röntgen görüntüleri zatürre ve normal olmak üzere etiketlenmiştir. Bu etiketi verileri ile AlexNet derin öğrenme modeli kullanılarak eğitim işlemi gerçekleştirilmiştir. İkinci aşama olarak zatürrenin sebebinin bakteri kaynaklı mı virüs kaynaklı mı olduğunun tespit edilmesi için veri seti oluşturulmuştur. Veri setinde daha önce kullanmış olduğumuz veri setindeki röntgen görüntüleri etiketlerine göre ayrılarak hazırlanmıştır. Daha sonra mevcut olan veri setindeki röntgen görüntülerinden zatürre hastalığının nedeninin bakteri mi virüs kaynaklı mı olduğunu anlamak amacıyla AlexNet derin öğrenme modeli kullanarak eğitim işlemleri gerçekleştirilmiştir. Üçüncü aşama olarak normal, zatürre ve covid19 hastalarının göğüs röntgenlerinden oluşan veri seti kullanılmış. Veri setleri AlexNet ve GoogLeNet derin öğrenme modelleri ile eğitilmiş ve sonuçları karşılaştırılmıştır. Modellerin eğitimleri ve testleri aşamasında Nvidia Digits kullanılmıştır.en_US
dc.description.abstractToday, with a rapidly growing population, the intensity of work in the field of Health is increasing, as in many areas. In order to alleviate the burden of increasing labor intensity, models and algorithms are being developed that can be used to diagnose the disease to help our doctors in the field of Health. Early detection of the disease is a very important factor for reducing mortality in the world and in Turkey. For this reason, detecting many diseases using deep learning methods is important for health. Among diseases, one of the most common and fatal diseases is pneumonia. Pneumonia disease is detected by X-ray imaging technique. In this thesis, a classification model with labeled data was used in a dataset consisting of lung X-rays. In addition, current and similar studies in this area have been viewed. In line with the studies viewed, models and methods that we think are efficient in terms of performance are preferred. The suitability of the models to be used due to the limited data in the field of Health is the main factor in the higher success rate. As a first stage, the data set consists of lung X-ray images of people with pneumonia and without pneumonia. X-ray images are labeled as pneumonia and normal. With this tag data, the training process was carried out using the AlexNet deep learning model. As a second stage, a data set was created to determine whether the cause of pneumonia was caused by bacteria or viruses. The X-ray images in the data set that we have been used before were prepared by separating them according to their labels. Then, training operations were carried out using the AlexNet deep learning model to determine whether the cause of pneumonia disease was caused by bacteria or viruses from the X-ray images in the current data set. As a third stage, a data set consisting of chest X-rays of normal, pneumonia and covid19 patients was used. The datasets were trained with AlexNet and GoogLeNet deep learning models and their results were compared. Nvidia Digits were used during the training and testing phase of the models.en_US
dc.language.isoturen_US
dc.publisherTrakya Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectDerin öğrenmeen_US
dc.subjectAlexNeten_US
dc.subjectDerin öğrenme modelien_US
dc.subjectTıbbi bilişimen_US
dc.subjectDeep learningen_US
dc.subjectAlexNeten_US
dc.subjectDeep learning modelen_US
dc.subjectMedical informaticsen_US
dc.titleSağlık alanında derin öğrenme yöntemlerinin incelenmesien_US
dc.title.alternativeInvestigation of deep learning methods in healthcareen_US
dc.typemasterThesisen_US
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalıen_US
dc.relation.publicationcategoryTezen_US


Bu öğenin dosyaları:

Thumbnail

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster