Mr görüntülerinden derin öğrenme temelli kondromalazi patella teşhisi
Deep learning-based diagnosis of patella chondromalacia from mr images
- Tez No: 1009752
- Danışmanlar: DOÇ. DR. OKTAY YILDIZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kondromalazi patella (KMP), patellofemoral eklem kıkırdağında yumuşama, yüzey düzensizliği ve ilerleyici dejenerasyon ile karakterize bir durumdur. Genç ve aktif bireylerde sık görülen KMP'nin doğru ve erken tanısı, hastalığın ilerlemesini yavaşlatmak ve uygun tedavi planlaması açısından kritiktir. Manyetik rezonans görüntüleme (MRG), yüksek yumuşak doku kontrastı sayesinde kıkırdak değerlendirmesinde yaygın olarak kullanılmaktadır; ancak yorumlama süreci deneyime bağlı olup gözlemciler arası farklılıklara açıktır. Bu durum, erken evre lezyonların gözden kaçmasına yol açabilmektedir. Son yıllarda derin öğrenme tabanlı yaklaşımların tıbbi görüntü analizinde gösterdiği başarı, KMP gibi subjektif değerlendirmeye dayalı patolojilerde otomatik tanı sistemlerinin önemini artırmıştır. Bu tezde, MRG görüntülerinden KMP'yi otomatik olarak tespit eden bir derin öğrenme modeli geliştirilmiş ve farklı mimarilerle karşılaştırılmıştır. Tek merkezden elde edilen, dört KMP derecesini içeren 1073 görüntüden oluşan özgün veri seti kullanılmış; özel bir CNN modeli tasarlanmış ve InceptionV3, ResNet50 ile VGG16 transfer öğrenme mimarileriyle karşılaştırılmıştır. Modeller eğitim–doğrulama süreçleri boyunca doğruluk, duyarlılık, kesinlik ve AUC değerleri açısından değerlendirilmiştir. Test sonuçlarında VGG16 %93,75 ile en yüksek doğruluğu, InceptionV3 %92,86 ile en yüksek duyarlılığı sağlamıştır. Özel CNN modeli ise %95 kesinlik ve %98,47 AUC ile en yüksek sınıflandırma başarımını göstermiştir. Bu bulgular, geliştirilen modelin KMP değerlendirmesinde yüksek genellenebilirlik sunduğunu ve klinik karar destek sistemlerine entegre edilebilecek güvenilir tanısal çıktılar üretebildiğini göstermektedir.
Özet (Çeviri)
Chondromalacia patella (CMP), characterized by softening, surface irregularity, and degeneration of the patellofemoral joint cartilage, is particularly common in young and active individuals, making early and accurate diagnosis crucial to prevent progression and guide treatment planning. Although magnetic resonance imaging (MRI) is the primary modality for cartilage evaluation due to its high soft-tissue contrast, interpretation largely depends on the radiologist's experience, leading to inter-observer variability and diagnostic uncertainty, especially in early-stage lesions. The increasing success of deep learning (DL) in medical image analysis highlights the need for automated diagnostic systems in conditions such as CMP, where subjective evaluation is common. In this thesis, a DL-based model was developed to automatically detect CMP from MRI images, and its performance was compared across different architectures. A unique dataset of 1,073 MRI images representing four CMP grades was used; first, a custom CNN-based model was designed, followed by training of transfer learning architectures including InceptionV3, ResNet50, and VGG16 on the same dataset. Models were evaluated using accuracy, recall, precision, and AUC metrics. Test results showed that VGG16 achieved the highest accuracy (93.75%), InceptionV3 achieved the highest recall (92.86%), and the custom CNN model delivered the best classification performance with 95% precision and an AUC of 98.47%. These findings indicate that the proposed model offers strong generalizability for CMP diagnosis and represents a promising candidate for integration into clinical decision support systems.
Benzer Tezler
- Tıbbi görüntülerden derin öğrenme yöntemi ile karaciğer ve beyin lezyonlarının bölütlenmesi
Segmentation of liver and brain lesions by deep learning approach from medical images
ONUR CAN BAYRAK
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- U-net ve sam entegrasyonu ile meme mr görüntülerinde tümör segmentasyonu ve morfolojik işlemlerle takibi
Breast mri tumor segmentation using U-net and sam integration with morphological tracking methods
ALPTUĞ ŞEREF AYYILDIZ
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Akciğer BT görüntülerinden tümörlü verilerin farklı derin öğrenme modelleriyle tahmini
Prediction of tumor data from lung CT images with different deep learning models
VOLKAN ÇETİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR
- Manyetik rezonans görüntülerinden meme kanseri bölütlemesi için derin öğrenme modellerinin karşılaştırılması
Comparison of deep learning models for breast cancer segmentation from magnetic resonance images
BERKTUĞ AKÇA
Yüksek Lisans
Türkçe
2025
Radyoloji ve Nükleer TıpMuğla Sıtkı Koçman ÜniversitesiYapay Zeka Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NİDA GÖKÇE NARİN
- Mr görüntülerinde gliyom karakterizasyonu için 3B analiz temelli sınıflayıcı model tasarımı
The design of 3D analysis-based framework for glioma characterization in MR images
ABDULSALAM HAJMOHAMAD
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN KOYUNCU