A medical decision making system for brain tumor identification from magnetic resonance images using machine learning techniques
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: İngilizce
Öğrenci: ZAHRAA ABD AL RAHMAN MOHAMMED AL SAFFAR
Danışman: Tülay Yıldırım
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Beyin tümörü, hücrelerin anormal ve kontrolsüz büyümesidir. Erken beyin tümörü tespiti, hayat kurtarmak için çok önemlidir. Aslında, beyin tümörlerinin te¸shis edilmesi zordur, özel ekipman ve egitim gerektirir. Tıbbi bir karar verme sistemi, bir sınıflandırma sistemi tarafından üretilen verileri görselle¸stirerek te¸shis sürecini kolayla¸stırır ve doktorların dogru tanı koymasına olanak tanır. Bu çalı¸sma, MRG'deki beyin tümörü derecelerini 3 sınıfa ayırmak ve sınıflandırmak için otomatik bir sistem önermektedir: normal, LGG ve HGG. Önerilen sistemde LDI-Ortalamalar algoritması (Yogunluk Ortalamalarında Yerel Fark algoritması) adlı yeni bir segmentasyon yöntemi kullanılmı¸stır. LDI-Ortalamalar, bir pikselin yogunluk seviyesinin digerinden farklı olmasına dayanan bir kümeleme tekni ˘ gidir. Ayrıca, MI ˘ + SVD (Kar¸sılıklı Bilgi + Tekil Deger Ayrı¸sımı) olarak adlandırılan alt anlamlı öznitelikler kümesinin seçilmesinde yeni bir yakla¸sım kullanılır. Saglam özellikler daha sonra ˘ sınıflandırıcıya girdi olarak kullanılır. Basitle¸stirilmi¸s RNN adı verilen yeni ag yapısı da bu çalı¸smada sunulmaktadır. Önerilen otomatik sistemin altı a¸saması vardır; ön i¸sleme, LDI-Ortalamalar ile kümeleme, özellik çıkarma, özellik seçimi ve MI + SVD ile boyut küçültme ve basitle¸stirilmi¸s RNN ile sınıflandırma. Segmentasyon a¸samasının sonundaki deneysel bulgular, elle etiketlenmi¸s görüntülerle yakla¸sık 99,02%'lik bir e¸sle¸sme sunarak güvenilir bir beyin tümörü segmentasyon süreci ile sonuçlanmı¸stır. Ek olarak, orijinal özellik uzayına ve standart PCA ve SVD boyut indirgeme yöntemlerine kıyasla; MI+SVD algoritması, beyin tümörlerinin tatmin edici bir derecelendirmesini elde etmek için sınıflandırma sürecini iyile¸stirmede kesin ve daha verimli bir sonuç sunmu¸stur. Ayrıca, basitle¸stirilmi¸s bir RNN'yi sınıflandırıcı olarak kullanmak, önerilen sisteme yüksek düzeyde etkililik saglar. Yayınlanmı¸s diger çalı¸smalarla kar¸sıla¸stırıldı ˘ gında, önerilen sistemin beyin tümörü derecelerinin belirlenmesi için anlamlı bir gerçek zamanlı tahmin sunmak için çok yeterli oldugu bulunmu¸stur. Anahtar Kelimeler: Tıbbi karar verme sistemi, beyin görüntüsü sınıflandırması, beyin tümörü segmentasyonu, kümeleme, görüntü i¸sleme, makine ögrenimi, kar¸sılıklı bilgi (MI), temel bile¸sen analizi (PCA), tekil deger ayrı¸stırma (SVD), destek vektör makinesi (SVM), yapay sinir agı (YSA), artık sinir a ˘ gı (RNN