Active learning based synthetic sample selection for endoscopic image classification
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Enformatik Enstitüsü, Modelleme ve Simülasyon Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: İngilizce
Öğrenci: ALPEREN İNCİ
Danışman: Alptekin Temizel
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Birçok insan, kronik bir iltihaplı bağırsak hastalığı olan Ülseratif Kolit (ÜK) hastalığına yakalanmaktadır. Hastalık kendini kalın bağırsakta ülser, iltihap ve yara olarak gösterir. Uygun tedaviyi sağlayabilmek için uzman bir hekimin hastalığın şiddetini belirlemesi gerekir. Ancak hastalığın şiddeti konusunda sıklıkla kullanılmakta olan Mayo puanlamasını belirlerken hekimler arasında görüş ayrılığı bulunmaktadır. Bu da güvenilir ve otomatikleştirilmiş yöntemlere olan ihtiyacı beraberinde getirmektedir. Hastalığın otomatik teşhisi için tıbbi görüntülemenin kullanıldığı yöntemlerin ortaya konulmasına rağmen, tıp alanında verilerin etiketlenmesi için uzmanlardan oluşan bir komitenin mutabakata varması gerekmektedir. Bu durum gürbüz bir model eğitimi için gereken veri miktarına ve çeşitliliğine ulaşmayı zorlaştırır. Üretken veri artırma yöntemlerinin veri çeşitliliğini ve kalitesini artırdığı kanıtlanmış olsa da, doğrudan sentetik örneklerin verisetine eklenmesi model performansına katkıda bulunmayabilir ve hatta performans düşüşüne neden olabilir. Üretilen örneklerin bazıları gerçekçi olmayabilir veya model tarafından zaten öğrenilmiş ve yüksek skor ile tahmin ediliyor olabilir. Bu tezde, sentetik görüntülerden önerilen bir veri havuzunun oluşturulması ve bu havuzun bir altkümesinin seçilerek eğitim için kullanılması önerilir. Havuz farklı kesme parametrelerine sahip örneklerin üretilmesi ile oluşturulur. Daha sonra bu sentetik veri havuzundan model eğitimi için kullanılacak bilgilendirici sentetik örnekleri seçmek için aktif öğrenme yaklaşımları kullanılır. Sonuçlar, temel yöntemlere ve rastgele eklemeye göre performans artışı gözlemlendiğini ve performansın daha kararlı olduğunu göstermiştir.