Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: Eissa Faisal Ali Al-Zabidi
Danışman: URAZ YAVANOĞLU
Özet:Son yıllarda tıbbi görüntüler, hastalık teşhisi, tıbbi araştırma ve eğitimde önemli bir rol oynamaktadır. Günümüzde teknolojinin gelişmesiyle tıbbi görüntü çeşitleri de artmıştır. Bu artan görüntülerin geleneksel yöntemlerle etkin ve verimli bir şekilde depolanması, aranması, paylaşımı ve analiz edilmesi için de zorluklar ortaya çıkmıştır. Bu çalışmada, MATLAB ile Hadoop MapReduce kullanarak akciğer nodüllerinin iyi huylu ya da kötü huylu olup olmadığının sınıflandırılması için Bilgisayar Destekli Tanı (Computer Aided Diagnosis - CAD) sistemini önerdik. Sistem, radyologlar tarafından Bilgisayarlı Tomografi (Computed Tomography - CT) görüntü veri setinden benzer nodüllerin görüntülerini kullanıcıya aktarmaktadır. Tıbbi görüntü veri seti, Hadoop'un dağıtılmış dosya sistemi'nde (Hadoop Distributed File System - HDFS) saklanıp, görüntülere MATLAB aracılığıyla erişim sağlanmaktadır. MapReduce kullanılarak çoklu özniteliklerin paralel olarak elde edilmesi için İçerik-tabanlı Görüntü Erişimi (Content-based Image Retrieval - CBIR) yaklaşımı kullanılmıştır. ġekil, doku ve radyolog sayısal görüntü (Radiologist Quantified Image - RQI) öznitelikleri dâhil olmak üzere en uygun 26 öznitelik kümesi tanımlanmıştır. Bu öznitelikleri değerlendirmek için farklı SVM ve KNN sınıflandırıcıları kullandık. Deney sonuçlarımız, MATLAB'ta yerel MapReduce yönteminin, Hadoop küme MapReduce yönteminden ~ 5 kat daha hızlı olduğunu göstermektedir. SVM, sınıflandırıcılara göre %95.27 doğruluk (accuracy), %96.32 anma (recall), %94.76 kesinlik (precision) ve %95.53 F-skoru oranıyla daha başarılı sonuçlar elde edilmiştir