Beyin tümörü teşhisinde kullanılan yapay zeka yöntemlerinin araştırılması ve karşılaştırılması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İstanbul Yeni Yüzyıl Üniversitesi, Fen Bilimleri Enstitüsü, BİYOMEDİKAL MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: GİZEM AKGÖNÜL
Danışman: Diyadin Can
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Beyin tümörlerinin teşhisi ve sınıflandırılması, tedavi sürecinde kritik bir rol oynar. Bu tez, beyin tümörlerinin tespitinde ve sınıflandırılmasında yapay zeka yöntemlerinin etkinliğini araştırmayı ve karşılaştırmayı amaçlamaktadır. Beyin tümörleri, normal hücre kontrol mekanizmalarının dışında büyüyen ve çoğalan anormal hücre kümeleridir. Geleneksel teşhis yöntemleri invaziv olup zaman alıcıdır ve hata payı yüksektir. Bu nedenle, Manyetik Rezonans Görüntüleme (MRG) kullanılarak tümörlerin radyomik ve genomik özelliklerinin belirlenmesi önem kazanmıştır. Tezde, beyin tümörlerinin 3 boyutlu MRG görüntüleri kullanılarak çeşitli yapay zeka algoritmaları ile sınıflandırılması gerçekleştirilmiştir. Çalışma, konvolüsyonel sinir ağları (CNN) ve tekrarlayan sinir ağları (RNN) gibi modern makine öğrenme yöntemlerinin etkinliğini değerlendirmektedir. Her bir algoritmanın doğruluk oranı, hız, verimlilik, aşırı öğrenme eğilimleri ve bellek kullanımı gibi performans kriterleri karşılaştırılmıştır. Sonuçlar, CNN ve RNN modellerinin beyin tümörü sınıflandırmasında yüksek doğruluk oranlarına sahip olduğunu göstermektedir. Özellikle CNN'ler, görüntü işleme ve sınıflandırma konularında üstün performans sergilemiştir. RNN'ler ise zaman serisi verilerinde güçlü sonuçlar vermiştir. Destek vektör makineleri (SVM) ve rastgele ormanlar gibi diğer yöntemler de belirli senaryolarda etkili olmuştur ancak genelleme yetenekleri sınırlıdır. Bu çalışma, yapay zeka tabanlı yöntemlerin beyin tümörü teşhis ve sınıflandırmasında potansiyelini ortaya koymakta ve klinik uygulamalarda kullanımını desteklemektedir. Gelecekteki araştırmalar, daha büyük ve çeşitli veri setleri ile bu yöntemlerin etkinliğini artırmayı hedeflemelidir.