000			03528nam a2200457 i 4500
999			_c200442143 _d60355
003			TR-AnTOB
005			20230908000953.0
007			ta
008			171111s2021 xxu e mmmm 00| 0 eng d
035			_a(TR-AnTOB)200442143
040			_aTR-AnTOB _beng _erda _cTR-AnTOB
041	0		_atur
099			_aTEZ TOBB FBE BMM YL’21 DAĞ
100	1		_aDağlı, Kaya _eauthor _9131555
245	1	0	_aDerin öğrenme modelleri kullanılarak beyin tümörlerinin sınıflandırılması / _cKaya Dağlı ; thesis advisor Osman Eroğul.
246	1	1	_aClassification of brain tumors via deep learning models
264		1	_aAnkara : _bTOBB ETÜ Fen Bilimleri Enstitüsü, _c2021.
300			_axiv, 71 pages : _billustrations ; _c29 cm
336			_atext _btxt _2rdacontent
337			_aunmediated _bn _2rdamedia
338			_avolume _bnc _2rdacarrier
502			_aTez (Yüksek Lisans Tezi)--TOBB ETÜ Fen Bilimleri Enstitüsü Ocak 2021
520			_aBeyin tümörleri insan sağlığını önemli derecede etkileyebilmektedir. Bu tümörlerin yanlış teşhisi durumunda, müdahale için alınacak olan kararlar ve bireyin sağlık durumu verimli şekilde belirlenememektedir. Manyetik rezonans görüntülerinin bir hekim tarafından incelenmesi, beyin tümörlerinin belirlenmesinde en yaygın kullanılan yöntemdir. Beyin tümörlerinin çeşitliliğinden ve hekimlerin incelemesi gereken birçok görüntü olduğundan ötürü, bu yöntem hem insan hatalarına yatkındır hem de fazla zaman harcanmasına neden olmaktadır. Bu çalışmada, en yaygın görülen üç beyin tümörü çeşidi olan; Gliom, Meninjiyom ve Hipofiz bezi tümörlerinin derin öğrenme modelleri kullanılarak sınıflandırılması üzerine çalışılmıştır. Çalışmada doğruluk oranının yüksek olmasına önem verilirken, modellerin eğitimi için harcanan zaman da incelenmiştir. Bu sınıflandırma çalışması ile hekimlere yardımcı olabilecek bir sistem yaratmak amaçlanmıştır. Doğruluk oranı %90'a varan bir sistem oluşturulmuştur.
520			_aBrain tumors threathen human health significantly. Misdiagnosis of these tumors decrease effectiveness of decisions for intervention and patient's state of health. The conventional method to differentiate brain tumors is by the inspection of magnetic resonance images by clinicians. Since there are various types of brain tumors and there are many images that clinicians should examine, this method is both prone to human errors and causes excessive time consumption. In this study, the most common brain tumor types; Glioma, Meningioma and Pituitary are classified using deep learning models. While the main objective of this study is to have a high rate of accuracy, the time spent is also examined. The aim of this study is to ease clinicians work load and have a time efficient classification system. The system which has been built has an accuracy up to 90%.
653			_aBeyin tümörü
653			_aDerin öğrenme
653			_aDoğruluk
653			_aEğitim için harcanan zaman
653			_aManyetik rezonans görüntüleri
653			_aSınıflandırma
653			_aBrain tumor
653			_aDeep learning
653			_aAccuracy
653			_aTime consumption during training
653			_aMagnetic resonance images
653			_aClassification
700	1		_aEroğul, Osman _9126315 _eadvisor
710			_aTOBB Ekonomi ve Teknoloji Üniversitesi. _bFen Bilimleri Enstitüsü _977078
942			_cTEZ _2z