Tez No	İndirme	Tez Künye	Durumu
613869		Karotis arter intima media kalınlığının derin öğrenme ile sınıflandırılması / Classification of carotid artery intima media thickness with deep learning Yazar:SERKAN SAVAŞ Danışman: PROF. DR. NURETTİN TOPALOĞLU Yer Bilgisi: Gazi Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2019 156 s.
Gelişmiş ülkelerde ölümle sonuçlanan hastalıkların başında sırasıyla kalp hastalığı, kanser ve Karotis Arter hastalığının yol açtığı Serebrovasküler Olaylar gelmektedir. Aterosklerozun güvenilir erken tespiti için, Intima Media Thickness (IMT) ölçümü ve sınıflandırması önemlidir. Bu doktora tezinde IMT'nin sınıflandırılması için karar destek amaçlı yeni bir yöntem önerilmiştir. IMT ölçümleri için ultrason görüntüleri kullanılır. Görüntüler uzmanlar tarafından sınıflandırılır ve değerlendirilir. Bu manuel bir prosedürdür. Bu yüzden IMT sınıflandırmasında değişkenliğe ve öznelliğe sebep olur. Bunun yerine, bu tezde IMT sınıflandırması için yapay zekâ yöntemlerine dayanan bir yöntem önerilmektedir. Bu amaçla, çoklu gizli katmanlara sahip derin bir öğrenme stratejisi geliştirilmiştir. Önerilen modeli oluşturmak için, görüntü sınıflandırma problemlerinde sıkça kullanılan Evrişimsel Sinir Ağı algoritması kullanılmıştır. Modeli test etmek için 153 hastadan elde edilen 501 ultrason görüntüsü kullanılmıştır. Görüntüler önce iki uzman tarafından sınıflandırılmış, daha sonra model eğitilerek sınıflandırılmış görüntüler üzerinde test edilmiş ve sonuçlar açıklanmıştır. Çalışmadaki derin öğrenme modeli IMT sınıflandırılmasında %89 duyarlılık ve %88 özgüllük ile %89,1 doğruluk sağlamıştır. Dolayısıyla, bu doktora tezinde yapılan değerlendirmeler bu yöntemin IMT sınıflandırması için makul sonuçlar verdiğini kanıtlamıştır.
The leading causes of death in developed countries are heart disease, cancer and Cerebrovascular Events caused by Carotid Artery disease, respectively. For a reliable early detection of atherosclerosis, Intima Media Thickness (IMT) measurement and classification are important. A new method for decision support purpose for the classification of IMT was proposed in this Ph.D. thesis. Ultrasound images are used for IMT measurements. Images are classified and evaluated by experts. This is a manual procedure. Therefore, it causes variability and subjectivity in the IMT classification. Instead, this thesis proposes a method based on artificial intelligence methods for IMT classification. For this purpose, a deep learning strategy with multiple hidden layers has been developed. In order to create the proposed model, Convolutional Neural Network algorithm, which is frequently used in image classification problems, is used. 501 ultrasound images which are taken from 153 patients were used to test the model. The images are classified by two specialists, then the model is trained and tested on these classified images, and the results are explained. The deep learning model in the study achieved an accuracy of 89.1% in the IMT classification with 89% sensitivity and 88% specificity. Thus, the assessments in this paper have proved that the proposed method performs reasonably for IMT classification.