Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: SERKAN SAVAŞ
Danışman: NURETTİN TOPALOĞLU
Özet:Gelişmiş ülkelerde ölümle sonuçlanan hastalıkların başında sırasıyla kalp hastalığı, kanser ve Karotis Arter hastalığının yol açtığı Serebrovasküler Olaylar gelmektedir. Aterosklerozun güvenilir erken tespiti için, Intima Media Thickness (IMT) ölçümü ve sınıflandırması önemlidir. Bu doktora tezinde IMT'nin sınıflandırılması için karar destek amaçlı yeni bir yöntem önerilmiştir. IMT ölçümleri için ultrason görüntüleri kullanılır. Görüntüler uzmanlar tarafından sınıflandırılır ve değerlendirilir. Bu manuel bir prosedürdür. Bu yüzden IMT sınıflandırmasında değişkenliğe ve öznelliğe sebep olur. Bunun yerine, bu tezde IMT sınıflandırması için yapay zekâ yöntemlerine dayanan bir yöntem önerilmektedir. Bu amaçla, çoklu gizli katmanlara sahip derin bir öğrenme stratejisi geliştirilmiştir. Önerilen modeli oluşturmak için, görüntü sınıflandırma problemlerinde sıkça kullanılan Evrişimsel Sinir Ağı algoritması kullanılmıştır. Modeli test etmek için 153 hastadan elde edilen 501 ultrason görüntüsü kullanılmıştır. Görüntüler önce iki uzman tarafından sınıflandırılmış, daha sonra model eğitilerek sınıflandırılmış görüntüler üzerinde test edilmiş ve sonuçlar açıklanmıştır. Çalışmadaki derin öğrenme modeli IMT sınıflandırılmasında %89 duyarlılık ve %88 özgüllük ile %89,1 doğruluk sağlamıştır. Dolayısıyla, bu doktora tezinde yapılan değerlendirmeler bu yöntemin IMT sınıflandırması için makul sonuçlar verdiğini kanıtlamıştır