Makine ve derin öğrenme yöntemleri ile ratlarda akciğer ve ovaryum histopatolojik görüntülerinin sınıflandırılması

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, BİYOMEDİKAL MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Öğrenci: TUĞBA ŞENTÜRK

Danışman: Fatma Latifoğlu

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez çalışmasında, ilk olarak, şeker hastalığının (Diabetes Mellitus - DM) akciğer dokusunda oluşturduğu histopatolojik değişiklikler, derin öğrenme temelli görüntü işleme yöntemleri kullanılarak analiz edilmiştir. RGB, Gri ve HSV renk uzaylarında ön işleme tabi tutulan dokular; Masson Trikrom, Kaspaz-3 ve IL-1β boyama teknikleri ile incelenmiş, ardından ResNet50, VGG16, AlexNet, SqueezeNet ve oluşturulan derin sinir ağı model ile sınıflandırılmıştır. Görsel verilerden LBP, GLCM, MBK, FMO ve Ridge regresyonu gibi teknikler ile özellik çıkarımı da yapılarak makine öğrenmesi algoritmaları ile sınıflandırma başarıları değerlendirilmiştir. Tezin ikinci bölümünde ise, kanser tedavisinde yaygın olarak kullanılan sisplatinin kadın yumurtalık dokusunda neden olduğu toksik etkiler ve bu etkiler üzerinde eksozom uygulamalarının potansiyel iyileştirici etkileri araştırılmıştır. Histopatolojik görüntülerden LBP yöntemiyle çıkarılan öznitelikler, makine öğrenmesi algoritmalarına entegre edilerek analiz edilmiş; ayrıca AlexNet, RepVGG, SqueezeNet, CSPDarkNet53 ve transfer öğrenme tabanlı ResNet50 gibi derin öğrenme mimarileri kullanılarak gruplar arası sınıflandırmalar gerçekleştirilmiştir. Elde edilen sonuçlar hem diyabetin akciğer dokusuna hem de sisplatinin yumurtalık dokusuna verdiği zararların, yapay zekâ destekli yöntemlerle etkin biçimde analiz edilebileceğini ortaya koymuştur.