Sağlık alanında derin öğrenme yöntemlerinin incelenmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Trakya Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, -, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: YAREN ÖZSOY
Danışman: DENİZ TAŞKIN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Günümüzde 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.