Covid-19 Tanılı Bilgisayarlı Tomografi Görüntülerinde Akciğer ve Pnömoni Bölgelerinin Farklı Senaryolarda Semantik Segmentasyonu

Basit Öğe Kaydı
dc.authorid0000-0002-9058-8914en_US
dc.contributor.advisorÖziç, Muhammet Üsame
dc.contributor.authorAlemdaroğlu, Hüseyin Emre
dc.date.accessioned2022-10-28T06:21:41Z
dc.date.available2022-10-28T06:21:41Z
dc.date.issued2022en_US
dc.departmentNEÜ, Fen Bilimleri Enstitüsü, Biyomedikal Mühendisliği Anabilim Dalıen_US
dc.descriptionYüksek Lisans Tezien_US
dc.description.abstractÇin’in Vuhan kentinde ortaya çıkan COVID-19 hastalığı tüm dünyaya hızlı bir şekilde yayılarak, ülkeleri sosyolojik ve ekonomik olarak ciddi anlamda etkilemiştir. Hastalık tat ve koku duyusunun kaybedilmesi, kuru öksürük ve akciğerlerde pnömoni ile kendini göstermektedir. Hastalığın teşhisi burundan alınan sürüntünün PCR testine verilmesi ve bilgisayarlı tomografi görüntülerinin incelenmesi ile gerçekleştirilmektedir. Ancak PCR testlerinin yanlış negatif değerlerinin çok fazla olması teşhis sürecini yanlış yönlendirebilmektedir. Bilgisayarlı tomografi görüntülerinde buzlanma şeklinde pnömonin görülmesi teşhis sürecini hızlandırmaktadır. Bu tez çalışmasında, ZENODO veri seti kullanılarak COVID-19 bilgisayarlı tomografi görüntülerinde farklı senaryolarda semantik segmentasyon işlemi gerçekleştirilmiştir. Veri setinde bulunan maske görüntülerinde ön işlemeler gerçekleştirilerek sekiz farklı senaryo için akciğer ve pnömoni bölgelerinin maskeleri türetilmiştir. DeepLabV3+ semantik segmentasyon modeline ResNet-18, ResNet-50, MobileNet-v2, Xception, Inception-ResNet-v2 entegre edilerek sekiz farklı maske için kırk deneme yapılmıştır. Sonuçlar doğruluk, jaccard (IoU), küresel doğruluk, ortalama doğruluk, ortalama IoU, ağırlıklı IoU, ortalama BF(F1) puanı performans kriterleri ile değerlendirilmiştir. Çalışma sonucunda akciğer ve pnömoni bölgelerinin farklı kombinasyonlarda oluşan maskelerinin semantik segmentasyona etkisi tartışılmıştır. Bilgisayarlı tomografi görüntülerinde akciğer ve pnömoni bölgelerinin DeepLabV3+ ile semantik segmentasyonun etkili ve başarılı sonuçlar verdiği gözlemlenmiştir.en_US
dc.description.abstractThe COVID-19 disease, which emerged in Wuhan, China, spread rapidly all over the world and seriously affected countries sociologically and economically. The disease manifests itself with loss of sense of taste and smell, dry cough and pneumonia in the lungs. The diagnosis of the disease is made by giving the swab taken from the nose to the PCR test and examining the computed tomography images. However, too many false negative values of PCR tests can mislead the diagnostic process. Observation of pneumonia in the form of icing on computed tomography images accelerates the diagnostic process. In this thesis, semantic segmentation was performed in different scenarios on COVID-19 computed tomography images using the ZENODO data set. Masks of the lung and pneumonia regions were derived for eight different scenarios by preprocessing the mask images in the dataset. Forty attempts were made for eight different masks by integrating ResNet-18, ResNet-50, MobileNet-v2, Xception, Inception-ResNet-v2 into the DeepLabV3+ semantic segmentation model. The results were evaluated with the performance criteria of accuracy, jaccard (IoU), global accuracy, average accuracy, average IoU, weighted IoU, average BF(F1) score. As a result of the study, the effect of masks formed in different combinations of lung and pneumonia regions on semantic segmentation is discussed. It has been observed that semantic segmentation of lung and pneumonia regions with DeepLabV3+ gives effective and successful results in computed tomography images.en_US
dc.identifier.citationAlemdaroğlu, H. E. (2022). Covid-19 tanılı bilgisayarlı tomografi görüntülerinde akciğer ve pnömoni bölgelerinin farklı senaryolarda semantik segmentasyonu. (Yayımlanmamış yüksek lisans tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü, Biyomedikal Mühendisliği Anabilim Dalı, Konya.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12452/8724
dc.language.isotren_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectDeepLabV3+en_US
dc.subjectDerin öğrenmeen_US
dc.subjectPnömonien_US
dc.subjectSemantik segmentasyonen_US
dc.subjectYapay zekaen_US
dc.subjectArtificial intelligenceen_US
dc.subjectDeep learningen_US
dc.subjectPneumoniaen_US
dc.subjectSemantic segmantationen_US
dc.subjectCOVID-19en_US
dc.titleCovid-19 Tanılı Bilgisayarlı Tomografi Görüntülerinde Akciğer ve Pnömoni Bölgelerinin Farklı Senaryolarda Semantik Segmentasyonuen_US
dc.title.alternativeSemantic Segmentation of Lung and Pneumonia Regions in Different Scenarios on Covid-19 Diagnosed Computer Tomographic Imagesen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
HÜSEYİN EMRE ALEMDAROĞLU.pdf
Boyut:
2.59 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Yüksek Lisans Tezi
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleskiyonu