| dc.contributor.advisor | Burak Can, Ahmet | tr_TR |
| dc.contributor.author | Kaya, Aydın | tr_TR |
| dc.date.accessioned | 2015-10-15T08:42:10Z | |
| dc.date.available | 2015-10-15T08:42:10Z | |
| dc.date.issued | 2015 | tr_TR |
| dc.identifier.uri | http://hdl.handle.net/11655/2612 | |
| dc.description.abstract | Lung cancer is one of the leading causes of cancer related deaths worldwide, especially in industrially developed countries. Major problems in diagnosis are caused by high volume of visual data and difficulty of detection of solitary/small pulmonary nodules. Computer aided diagnosis systems are expert systems to assist radiologists on these issues.In this thesis, classification approaches for predicting malignancy of solitary pulmonary nodules are presented. Publicly available Lung Image Database Consortium (LIDC) database which is proposed by USA National Cancer Institute is used in the study. LIDC contains malignancy and nodule characteristics evaluations of radiologists from four different institutions. The goal of this thesis is to examine the usefulness of radyographic descriptors in malignancy prediction. | tr_TR |
| dc.language.iso | tur | tr_TR |
| dc.publisher | Fen Bilimleri Enstitüsü | tr_TR |
| dc.subject | Solitary pulmonary nodules | tr_TR |
| dc.title | Bilgisayar Destekli Tanı Sistemi ile Akciğer Nodüllerinin Nitelendirilmesi | tr_TR |
| dc.type | info:eu-repo/semantics/doctoralThesis | tr_TR |
| dc.callno | 2015/2046 | tr_TR |
| dc.contributor.departmentold | Bilgisayar Mühendisliği | tr_TR |
| dc.description.ozet | Akciğer kanseri, özellikle endüstrisi gelişmiş ülkelerde ölüm oranı en yüksek kanser türüdür. Tanısındaki en büyük sıkıntılar, görüntüleme verilerindeki fazlalık ve kansere sebep olan küçük boyutlu nodüllerin tespitinin ve değerlendirmesinin zorluğundan kaynaklanmaktadır. Bilgisayar destekli tanı sistemleri, bu temel sorunlarda radyologlara yardımcı olmak için geliştirilen uzman sistemlerdir.Bu tez kapsamında küçük boyutlu akciğer nodüllerinin habislik derecesinin belirlenmesi için sınıflama yaklaşımları önerilmektedir. Çalışmada Amerikan Kanser Enstitüsü tarafından sunulan Lung Image Database Consortium (LIDC) veritabanı kullanılmıştır. LIDC veritabanı dört farklı enstitüden radyologlar tarafından değerlendirilmiş ve nodül habislik derecesi yanında radyografik tanımlayıcı bilgisini içeren bir veritabanıdır. Bu tez çalışmasında, radyografik tanımlayıcıların habislik derecesinin tahmininde faydalı olup olmadığının incelenmesi amaçlanmıştır. | tr_TR |
