Tez No	İndirme	Tez Künye	Durumu
339890		Yapay zekâ yöntemleri ile veri analizi ve tıbbi teşhis için uzman sistem geliştirme / Developing expert system for medical diagnosis and data analysis with artificial intelligence methods Yazar:ALİ KELEŞ Danışman: DOÇ. DR. UĞUR YAVUZ Yer Bilgisi: Atatürk Üniversitesi / Fen Bilimleri Enstitüsü / Matematik Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Tıbbi bilişim = Medical informatics ; Tıbbi görüntüleme = Medical imaging ; Yapay sinir ağları = Artificial neural networks	Onaylandı Doktora Türkçe 2009 128 s.
Son zamanlarda tüm dünyada medikal uygulamalarda kullanılabilecek uzman sistemlerin geliştirilmesi üzerine önemli çalışmalar yapılmaktadır. Bu doktora tez çalışmasında meme kanserinin teşhisi için Ex-DBC (Exper System for Diagnosis of Breast Cancer) adlı bir uzman sistem geliştirildi. Meme kanseri kadınlarda en yaygın kanserdir ve ölüme sebep olan kanserlerden ikincisidir. Erken teşhis edildiğinde tedavi edilebilmesine rağmen meme kanserli her 3 kadından birisi bu hastalıktan ölmektedir. Meme kanserinin teşhis ve tanısında en önemli tanı araçlarından biri mamografidir. Ancak mammografik bulgulardan iyi huylu tümörü ve kanseri fark etmek oldukça güçtür. Belirsiz ancak şüpheli lezyonlar üzerinde gerçekleştirilen biyopsi işlemlerinin yalnızca %15 ila 30'u gerçekte kanser olduğu görülmüştür. Bu yüzden meme kanserinin teşhisinde altın standart biyopsidir. Ancak biyopsi hasta için enfeksiyon ve rahatsızlık kaynağı olabilir ve sağlık sistemi için de ekstra maliyet oluşturur. Bu nedenle bu çok yüksek gereksiz biyopsi oranını düşürmek büyük önem taşır. Yapay Zekâ (YZ) teknolojileri ile Ex-DBC sistemi kendisine sunulan bilgilerin birbirleriyle derin ilişkilerini tespit edecek güçlü bir çıkarım mekanizmasına sahiptir. Ex-DBC sistemi %97 negatif kestirim oranı ile meme kanserinin teşhisinde ve biyopsiye karar vermede kullanılabilir. Bu sistem sayesinde gereksiz biyopsi önlenebilir. Ayrıca tıpta öğrencilerin eğitiminde de bu sistemden faydalanılabilir. Bu tez çalışmasında Ex-DBC sisteminin yanında görüntü işleme amacıyla tasarlanmış Ex-GIs adı verilen bir araç da geliştirildi. Bu aracın sunduğu çeşitli özellikler ve görüntü işleme teknikleri ile mamogramlarda ilk bakışta seçilmesi güç olan küçük oluşumlar incelenebilmektedir. Bu sayede Ex-DBC sisteminin kullandığı BI-RADS, Kitle Biçimi, Kitle Kenarı, Kitle Yoğunluğu gibi değerler daha doğru tespit edilebilmektedir. Ex-GIs yalnızca mamogramları değil her tür görüntüyü işleyebilecek bir araçtır.
Recently in around the world, highly intensive studies have been made on developing expert system for medical applications. In this PhD thesis, an expert system so called Ex-DBC (Expert system for Diagnosis of Breast Cancer) was developed in order to support diagnosing the breast cancer which is the commonest cancer for women and is the second leading cause of death of cancer. Although it is curable when detected early, about one third of women with breast cancer die of the disease. Mammography is an important diagnostic tool. But, differentiating between benign and malignant mammographic findings is quite difficult. Only 15-30% of biopsies performed on nonpalpable but mammographically suspicious lesions prove malignant. The golden standard for diagnosis of the breast cancer is biopsy. But, biopsy can be the source of patient discomfort, bleeding and infection, and can burden the health care system with extra costs. Thus, to reduce unnecessary biopsy rate is considered to remarkable achievement.Ex-DBC developed in this study, has strong inference engine that can detect hidden relations in the cases even unrecognized by the human specialists. It can be used for diagnosing the illness and for making decisions to biopsy with 97% negative predictive values. It can be very useful tool in reducing the biopsy rate. Beside the system can be very beneficial for training the students in medical schools. Alongside with the expert system, a tool called Ex-GIs was developed with the aim of processing mammographic images for small visual indicators of the illness. The tool is found to be effectively utilized. It is designed as a general image processing tool not only for processing mammographic images but also any kind of an image to be processed for a specific purpose.