TR-Dizin İndeksli Yayınlar Koleksiyonu
Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/396
Browse
3 results
Search Results
Research Project Kolon Polipleri için Kolonoskopi ve Histopatoloji Görüntülerinden Yapay Zekâ Destekli Prognostik Belirteç Tespiti(2023) Doğan, Serkan; Doğan, Refika Sultan; Aydın, Zafer; Akay, Ebru; Güzel, Ömer Faruk; Yilmaz, Bulent; Taşdemir, Sena Büşra YengeçKolon kanseri vakalarının çoğu kolon mukozasında anormal hücre çoğalmasından kaynaklanan poliplerle başlar. Bu projede Kayseri Şehir Hastanesi gastroenteroloji kliniğine gelen 201 hastada tespit edilen poliplere dair kolonoskopi video ve görüntülerinden ve biyopsi örneklerinden elde edilen patoloji raporu ve immunohistokimyasal (İHK) gen ve protein analizi sonuçlarını içeren kapsamlı bir veri seti oluşturulmuştur. Bu projede, elde ettiğimiz veri setinde yer alan görüntülerden kolon poliplerinin evresini/patolojisini tahmin etmek için yenilikçi derin öğrenme ve makine öğrenmesi yöntemlerini temel alan çevrim içi veya dışı kullanılabilen kapsamlı bir yapay zekâ destekli bilgisayarlı görü sistemi geliştirilmiştir. Bu proje kapsamında; kolonoskopi videolarından gerçek zamanlı polip lokalizasyonu, videolardan görüntülerin elde edilmesi, polip görüntülerinden hiperplastik ve tübüler polip ayrımının otomatik yapılması ve hekim performansıyla karşılaştırılması, bu görüntüler üzerinde ayırt edici özniteliklerin tespit edilmesi, farklı büyütmelerde alınan histopatoloji görüntülerinden adenomatöz olan ve olmayan poliplerin ve poliplerin alt tiplerinin yenilikçi derin öğrenme yöntemleriyle tespiti, Ki-67, p53, VEGF, PDL-lenfosit ve PDL-epitel, BRAF ve cd34 isimli gen ve proteinlerin İHK analizlerinin sonuçlarının polip tipleri ve alt tipleri için yorumlanması ve poliplerin bu bilgilere göre etiketlenmesi gerçekleştirilmiştir.Article LSTM Mimarisiyle Bilgilendirici Göğüs Röntgeni Altyazıları Oluşturma(2025-07-31) Bakal, Mehmet; Güzel, Ömer Faruk; Tanrıverdi, HarunBiyomedikal görüntüleme, tıp uzmanları için en etkili tıbbi tarama prosedürüdür. Özellikle röntgen görüntüleri, tıbbi teşhis amacıyla yoğun bir şekilde referans noktası olarak kullanılmaktadır. Ancak, röntgen görüntülerinden altta yatan hususları anlamak önemli radyolojik bilgi gerektirir. Bu çalışmada, bir kodlayıcı modülü olarak DenseNet121 sinir ağı mimarisini ve kelime gömme katmanları olarak metinsel veri (altyazılar) öğelerini kullanan bir derin öğrenme modeli, verilen X-ışını görüntülerinin ilgili başlık / altyazı bilgilerini tahmin etmek için eğitilmiştir. Oluşturulan model, özellikle nöral makine çevirisi görevleri için kullanılan tipik bir diziden diziye modeldir. Deneylerde, eğitim ve test aşamaları için Indiana Üniversitesi tarafından hazırlanan Open-i veri tabanı kullanılmıştır. Veri kümesi, bir alan uzmanı tarafından oluşturulan XML formatında saklanan 7.470 X-ray görüntüsü ve 3.955 hasta raporundan oluşmaktadır. Metinsel raporlar izlenimler, bulgular, karşılaştırmalar ve endikasyonlar dahil olmak üzere dört özel başlık içermektedir. Model geliştirme sırasında, izlenim başlıkları altındaki metinsel verilerden eğitim ve test adımlarında yararlanılmıştır. Modelin performansını ölçmek için İki Dilli Değerlendirme Alt Çalışma Puanı (BLUE) hesaplanmış ve birincil performans değerlendirme metriği olarak kullanılmıştır. BLUE puanlarına göre en iyi performans puanı, diğer n-gram setlerine kıyasla (burada n: 1, 2 ve 3) 0,38368 BLUE puanı ile dört kelime (dört gram) tahmin edildiğinde elde edilmiştir. Bu araştırma çalışması, otomatik teşhis amaçlı tıbbi görüntü veri kümelerinde metin oluşturma görevinde diziden diziye modellerin gücünü göstermektedir.Research Project Artificial Intelligence Assisted Prognostic Marker Determination from Colonoscopy and Histopathology Images for Colon Polyps(2023) Doğan, Serkan; Doğan, Refika Sultan; Aydın, Zafer; Akay, Ebru; Güzel, Ömer Faruk; Yilmaz, Bulent; Taşdemir, Sena Büşra YengeçIn this project our goal is to develop a computer vision and artificial intelligence-based system to be used in the real-time or offline differentiation (and characterization) of colon polyps that are known to be the precursors of colon cancer. The system will use image/video processing, machine learning and deep learning approaches. It is expected to provide a real-time optical biopsy opportunity to the endoscopists to examine the polyps in terms of type, phase, malignancy potential, etc. during the colonoscopy procedure without a need to send the extracted tissue to the pathology clinic. The system will allow to make sense of the molecular level of the tissues from the colonoscopy and histopathology images.