Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: Fatih UYSAL
Danışman: Fırat Hardalaç
Özet:
Bu tez çalışması iki kısımdan oluşmaktadır. İlk kısımda omuz kemiği röntgen görüntülerinde kırık sınıfının tespit edilmesi amacıyla derin öğrenmeyle kırık ve kırık değil şeklinde sınıflandırma işlemleri gerçekleştirilmiştir. Burada veriseti olarak açık kaynaklı veriseti kullanılmıştır. Öncelikle derin öğrenme temelli ön eğitilmiş ResNet, ResNeXt, DenseNet, VGG, Inception, MobileNet ve bunların Spinal tam bağlantılı versiyonlu modelleri ile 26 farklı sınıflandırma yapılmıştır. Ardından sınıflandırma sonuçlarını daha artırmak için EL1 ve EL2 olarak adlandırılan iki tane özgün topluluk modeli geliştirilmiştir. Geliştirilen bu modellerle gerçekleştirilen kırık sınıfı tespiti işlemlerinin sonucunda EL1 ve EL2 için sırasıyla test veriseti üzerindeki doğrulama 0,8455 ; 0,8472, Cohen cappa 0,6907 ; 0,6942 ve AUC ise 0,8862 ; 0.8695 olarak elde edilmiştir. Tez çalışmasının ikinci kısmında ise, el bileği kemik röntgen görüntülerinde kırık tespiti işlemleri gerçekleştirilmiştir. Veriseti olarak Gazi Hastanesinden elde edilen veriler kullanılmıştır. Kırık tespiti için öncelikle kendi içerilerinde çeşitli omurga ağları bulunan ve derin öğrenme temelli olan ön eğitilmiş DCN, Dynamic R-CNN, Faster R-CNN, FSAF, Libra R-CNN, PAA, RetinaNet, RegNet ve SABL nesne tespiti modelleri kullanılmıştır. Çalışma kapsamında kırık tespit işlemini daha da iyileştirmek için 5 farklı topluluk modeli oluşturulmuş ve ardından bu topluluk modelleri kullanılarak WFD-C olarak adlandırılan çalışmaya özgü tespit modeli geliştirilmiştir. Toplamda yapılan 26 farklı kırık tespiti sonucunda, en yüksek tespit sonucu 0,8639 AP değeriyle WFD-C modelinde elde edilmiştir. Sonuç olarak, omuz kemiği röntgen görüntüleri üzerinde kırık sınıfı tespiti ve el bileği kemik röntgen görüntülerinde ise kırık tespiti üzerine bu tez çalışmasıyla birlikte gerçekleştirilen işlemler ve geliştirilen özgün topluluk modelleri ile literatüre katkıda bulunulmuştur. Böylece hastanelerin özellikle acil servislerinde karşılaşılan kemik kırığı vakalarında hekimlerin doğru teşhis yapılabilmesi için yardımcı bir çalışma gerçekleştirilmiştir.
Anahtar Kelimeler : Biyomedikal görüntü işleme, derin öğrenme, görüntü
sınıflandırma, kırık tespiti, yapay zeka