Doktora Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/5800

Browse

Filters

2021 - 20234

Settings

Author: search.filters.author.Yılmaz, BülentSubject: search.filters.subject.Computer Engineering And Computer Science And Control

Search Results

Now showing 1 - 4 of 4
  • Doctoral Thesis
    Kolon Polipleri için Kolonoskopi ve Histopatoloji Görüntülerinden Yapay Zekâ Destekli Prognostik Belirteç Tespiti
    (2023) Doğan, Refika Sultan; Yılmaz, Bülent
    Dünya Sağlık Örgütü'nün 2023 yılı istatistiklerine göre kolorektal kanser dünya çapında en sık görülen üçüncü kanser türüdür ve tüm kanser vakalarının yaklaşık %10'unu oluşturmaktadır. Çoğu kolon kanseri, kolon mukozasında anormal hücre çoğalması sonucu oluşan poliplerle başlar. Kolon polipleri neoplastik ve neoplastik olmayan olarak iki türe ayrılır ve neoplastik polipler kanser potansiyele sahiptir. Kolonoskopi poliplerin tespitinde en yaygın kullanılan yöntemdir. Kolonoskopun ucundaki aletle poliplerin tespit edilip çıkarılması (polipektomi) mümkündür. Çıkarılan poliplerin neredeyse tamamının Hematoksilen ve Eozin (H&E) boyalı doku slaytları hazırlanıp patologlar tarafından mikroskop altında incelenir. Belirsizlik durumunda, kansere özgü önemli antijen (protein) ekspresyonlarını göstermek için immünohistokimyasal (İHK) analizler yapılır. Bu tezde dört ana çıktı elde edildi: İlk olarak, kolonoskopi videoları ve görüntüleri/kareleri kullanılarak polip tipi/alt tipi, evresi ve malignite potansiyelinin otomatik olarak belirlenmesi ve patoloji raporları ile İHK analiz sonuçlarının etiket olarak kullanılması araştırıldı. İkinci olarak kolonoskopi görüntülerinden, patoloji raporundan ve İHK analiz sonuçlarından elde edilen özellikler kullanılarak histopatoloji görüntülerinden kolon poliplerinin otomatik karakterizasyonu incelendi. Üçüncüsü, kanser potansiyeli gösterebilecek polip tipi/alt tipi, evresi ve olası prognostik özellikler (biyobelirteçler) istatistiksel yaklaşımlar kullanılarak analiz edildi. Son olarak Ki-67 (klon 30-9), CD34 (klon QBend/10), p53 (klon bp53-11), BRAF (klon V600E) , VEGF (klon SP125) ve PD-L1 (klon SP142) belirteçlerine ait 400'den fazla polipin kolonoskopi ve histopatoloji görüntülerini, polip tipini, lokasyonunu, evresini ve IHC analiz sonuçlarını içeren kapsamlı bir veri tabanı oluşturuldu ve bu veri tabanı oluşturuldu. açık kaynak kodlu bir depo olarak bilim camiasıyla paylaşılmaktadır.
  • Doctoral Thesis
    Histopatoloji Görüntülerinden Bilgisayar Destekli Kanser Tespiti
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2023) Taşdemir, Sena Büşra Yengeç; Yılmaz, Bülent; Aydın, Zafer
    Detecting colon adenomatous polyps early is crucial for reducing colon cancer risk. This thesis investigated various deep learning approaches for computer-aided diagnosis of colon polyps on histopathology images using deep learning. The thesis addressed key challenges in polyp classification, including differentiating adenomatous polyps from non-adenomatous tissues and multi-class classification of polyp types. Initially, a histopathology image dataset is collected and refined from Kayseri City Hospital. The first study used stain normalization algorithms and an ensemble framework for binary classification, achieving 95% accuracy on the custom dataset and 91.1% and 90% on UnitoPatho and EBHI datasets, respectively. The second study implemented a tailored version of the supervised contrastive learning model for multi-class classification, outperforming state-of-the-art deep learning models with accuracies of 87.1% on custom dataset and 70.3% on UnitoPatho dataset. The third study proposed a self-supervised contrastive learning approach for utilizing all data in cases of limited labeled images. This approach achieved better performance than transfer learning with ImageNet pre-trained models. In conclusion, this PhD thesis investigated deep learning approaches for computer-aided diagnosis of colon polyps on histopathology images, demonstrating high accuracy in binary and multi-class classification, outperforming state-of-the-art models. These findings contribute to improving colon polyp classification accuracy and efficiency, ultimately facilitating the early detection and prevention of colon cancer.
  • Doctoral Thesis
    Medikal Termal Görüntülerin Otomatik Olarak İşlenmesi ve Sınıflandırılması
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Özdil, Ahmet; Yılmaz, Bülent
    The aim of this dissertation is to develop computer aided methods for processing and evaluating medical infrared thermal images. Throughout this study three problems were evaluated. The first problem was to automatically classify the body part and pose in the thermal images. In this study there were four classes; upper-lower body parts with back-front views. The first step included the segmentation of the background with Otsu's thresholding method applying histogram equalization. Next, DarkNet-19 architecture was used to extract features from images and these features were reduced using PCA and t-SNE methods. Finally reduced feature sets were used for classification. The second problem was to automatically classify liver steatosis from using thermal images. In this study, the classification problem was tested on an anatomical region of interest from abdominal images corresponding to the liver. Deep learning and texture analysis methods were employed for feature extraction, and then the selected feature sets were used for classification. The third problem was to quantify thermograms of multiple sclerosis (MS) patients for better assessment of the disease and monitoring the therapy. Thermal images of two patients and a healthy control from lower limbs were evaluated during experiments, and localized quantification of the effect of MS on the feet of the patients using thermal images method was proposed. The proposed method was fully correlated with the evaluations of physician. It is shown that medical thermal imaging has high potential in many fields of medicine as a non-invasive method for pre-diagnosis and follow-up.
  • Doctoral Thesis
    Derin Öğrenme Yaklaşımlarıyla Küçük Hücreli Dışı Akciğer Kanserinde Tümör Karakterizasyonu
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2021) Bıçakcı, Mustafa; Yılmaz, Bülent
    Küçük Hücreli Dışı Akciğer Kanseri (KHDAK) akciğer kanserlerinin büyük çoğunluğunu oluşturur ve adenokarsinom (ADC) ve skuamöz hücreli karsinom (SqCC) olmak üzere iki önemli alt tipi vardır. Genel olarak, bu iki alt tip mikroskobik olarak belirlenen morfolojik kriterler dikkate alınarak birbirinden ayrılır. Ancak, kötü morfoloji bunu oldukça zorlaştırır. Alt tipe özel tedavi yöntemleri için bu tür çalışmalar önemlidir. Bu tezde, pozitron emisyon tomografi (PET) görüntüleri kullanılarak KHDAK'nin alt tiplerinin sınıflandırılması üzerinde derin öğrenme (DÖ) yöntemleri incelenmiştir. İlk çalışmada, DÖ yöntemlerinin temelini oluşturan yapay sinir ağları (YSA) kullanılarak %73 doğru sınıflandırma başarısı elde edilmiştir. İkinci çalışmada, PET görüntülerinden alınan bölütlenmiş tümör kesitleri kullanılarak birkaç DÖ modeli incelenmiştir. Sonuçta, %95 F skoru ile VGG16 ve VGG19 en başarılı modeller olmuştur. Bu çalışmanın sonunda kesit bazlı çalışmalar bırakılarak hasta bazlı çalışmalara geçilmiştir. Üçüncü çalışmada, hasta bazlı dilimlerin birleştirilmesiyle oluşturulan üç boyutlu (3B) verilerin kullanımı yeterli başarıyı sağlamamıştır. Dördüncü çalışmada, PET görüntülerinin doğrudan kullanıldığı, tümör kısımlarının kırpılarak kullanıldığı ve bölütlenmiş tümör parçalarının kullanıldığı üç farklı deney yapılmıştır. Bu çalışma, peritümoral alanların sınıflandırmada olumlu etkisini ortaya koymuş ve VGG19 %74 F skoru değerine ulaşmıştır. Beşinci çalışmada, transfer öğrenme ve hassas ayar çalışmaları başarısızdı. CNN ve ResNet tabanlı sığ ağları içeren son çalışma %71 F skoru ile umut verici olmuştur.