000			04148nam a2200457 i 4500
999			_c200453064 _d71276
003			TR-AnTOB
005			20230908001006.0
007			ta
008			171111s2023 xxu e mmmm 00| 0 eng d
035			_a(TR-AnTOB)200453064
040			_aTR-AnTOB _beng _erda _cTR-AnTOB
041	0		_atur
099			_aTEZ TOBB FBE BMM Ph.D’23 ÖZT
100	1		_aÖztürk, Ahmet Cankat _eauthor _9141811
245	1	0	_aTiroid nodüllerinin genetik algoritma ile eğitilen anfıs yöntemi kullanılarak iyi huylu ve kötü huylu olarak ayrıştırılması ile yeni bir bilgisayar destekli tanı temelli risk sınıflandırma sistemi önerilmesi / _cAhmet Cankat Öztürk; thesis advisor Osman Eroğul.
246	1	3	_aDifferentiation of benign and malignant thyroid nodules with anfis by using genetic algorithm and proposing a novel cad-based risk stratifıcation system of thyroid nodules
264		1	_aAnkara : _bTOBB ETÜ Fen Bilimleri Enstitüsü, _c2023.
300			_axxi, 109 pages : _billustrations ; _c29 cm
336			_atext _btxt _2rdacontent
337			_aunmediated _bn _2rdamedia
338			_avolume _bnc _2rdacarrier
502			_aTez (Doktora Tezi)--TOBB ETÜ Fen Bilimleri Enstitüsü Nisan 2023
520			_aLiteratürde kullanılan tiroid nodülü risk sınıflandırma rehberleri, nodüllerin bazı iyi bilinen sonografik özelliklerine göre, hekimlerin klinik tecrübelerine dayanarak oluşturulmuşlardır. Bu özelliklere göre nodüllere tanı konması subjektif bir yöntem olup hekimin tecrübesine bağlıdır. Bu çalışmada, yapay zeka yöntemleri kullanılarak, nodüllerin ayırıcı tanısında çok çeşitli ultrason bulgularının ilişkileri incelenmiş, bu durumun üstesinden gelinmesi amaçlanmıştır. Uyarlanabilir Sinirsel Bulanık Çıkarım Sistemi'nin (ANFIS) Genetik Algoritma (GA) ile eğitimine dayalı yenilikçi bir yöntem, kötü huylu tiroid nodüllerini iyi huylu olanlardan ayırt etmek için kullanılmıştır. Önerilen yöntemden elde edilen sonuçlar yaygın olarak kullanılan ANFIS'in türev tabanlı optimize edilen algoritmaları ve Derin Sinir Ağı (DNN) yöntemi ile karşılaştırılmış, önerilen yöntemin tiroid nodüllerini sınıflandırmada daha başarılı olduğu gösterilmiştir. Ayrıca tiroid nodüllerinin sınıflandırılması için literatürde olmayan bilgisayar destekli tanı (BDT) temelli yeni bir risk sınıflandırma sistemi önerilmiştir.
520			_aThe thyroid nodule risk stratification guidelines used in the literature are based on certain well-known sonographic features of nodules and are still subjective since the application of these characteristics strictly depends on the reading physician. These guidelines classify nodules according to the sub-features of limited sonographic signs. This study aims to overcome these limitations by examining the relationships of a wide range of ultrasound signs in the differential diagnosis of nodules by using artificial intelligence methods. An innovative method based on training Adaptive Neuro-Fuzzy Inference Systems (ANFIS) by using Genetic Algorithm (GA) is used to differentiate malignant from benign thyroid nodules. The comparison of the results from the proposed method to the results from the commonly used derivative-based algorithms and Deep Neural Network (DNN) methods yielded that the proposed method is more successful in differentiating malignant from benign thyroid nodules. Furthermore, a novel computer aided diagnosis (CAD) based risk stratification system for the thyroid nodule's ultrasound classification that is not present in the literature is proposed.
653			_aTiroid
653			_aTiroid nodülü
653			_aSınıflandırma
653			_aANFIS
653			_aDerin sinir ağı
653			_aRehber
653			_aThyroid
653			_aThyroid nodule
653			_aClassification
653			_aANFIS
653			_aDeep neural network
653			_aGuideline
700	1		_aEroğul, Osman _9126315 _eadvisor
710			_aTOBB Ekonomi ve Teknoloji Üniversitesi. _bFen Bilimleri Enstitüsü _977078
942			_cTEZ _2z