Evaluation of deep learning architectures in liver and tumor segmentation
Karaciğer ve tümör segmentasyonunda derin öğrenme mimarilerinin değerlendirilmesi
- Tez No: 1010151
- Danışmanlar: PROF. DR. FIRAT HARDALAÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Bölütleme, Derin öğrenme, Görüntü işleme, Yapay zeka, Segmentation, Deep learning, Image processing, Artificial intelligence
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Karaciğer tümörlerinin otomatik olarak segmentasyonu, medikal görüntülerden elde edilen verilerin sistematik biçimde işlenmesine dayanmaktadır. Bu süreç, tanı ve tedavi sürecinde kullanılacak bilgilerin düzenli bir yapıya kavuşturulmasını sağlar. Çalışmada, açık kaynaklı ATLAS veri kümesinden elde edilen kontrastlı manyetik rezonans görüntüleri kullanılarak karaciğer ve tümör bölgelerinin belirlenmesine yönelik derin öğrenme tabanlı mimariler incelenmiştir. Uygulama öncesinde, görüntüler modellerin gereksinimlerine uyumlu hale getirilmiştir. Bu amaçla veriler yeniden boyutlandırılmış, yoğunluk değerleri belirli bir aralıkta normalize edilmiş, maske verileri düzenlenmiş ve boş kayıtlar ayıklanmıştır. Ön işleme adımlarının ardından U-Net, ResUNet, 3D U-Net, nnU-Net ve YOLO tabanlı yöntemler kullanılarak segmentasyon işlemleri gerçekleştirilmiştir. Her bir mimarinin çıktılarına bakılarak karşılaştırmalı değerlendirmeler yapılmıştır. Bulgular, farklı yaklaşımların benzer veri seti üzerinde nasıl sonuçlar ürettiğini göstermektedir. Çalışmada ayrıca, veri hazırlama süreci, model tercihi ve parametre ayarlarının birlikte ele alınmasının sonuçların doğruluğu üzerindeki etkisi ortaya konmuştur.
Özet (Çeviri)
The automatic segmentation of liver tumors is based on the systematic processing of medical imaging data. This procedure ensures that the information used in diagnosis and treatment planning is organized into a structured form. In this study, contrast-enhanced magnetic resonance images from the publicly available ATLAS dataset were utilized to investigate deep learning-based architectures for the delineation of liver and tumor regions. Prior to model application, the data were adapted to the requirements of the architectures. For this purpose, images were resized, intensity values were normalized within a specific range, segmentation masks were refined, and empty records were excluded. Following these preprocessing steps, segmentation was performed using U-Net, ResUNet, 3D U-Net, nnU-Net, and YOLO-based approaches. The outputs produced by each architecture were comparatively evaluated, allowing systematic observation of their performance on the same dataset. The findings indicate how different models generate outcomes under similar conditions. Furthermore, the study highlights that preprocessing procedures, model selection, and parameter configuration collectively influence the accuracy of segmentation results.
Benzer Tezler
- Derin öğrenme teknikleriyle bilgisayarlı tomografi görüntülerinden otomatik karaciğer ve tümör segmentasyonu
Automatic liver and tumor segmentation from computed tomography images using deep learning techniques
TEVFİK ÇETİNTAŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR YILDIRIM
- Nöromorfik hesaplama ve memristor tabanlı ağ saldırı tespit sistemleri: Siber güvenlikte yeni yaklaşımlar
Neuromorphic computing and memristor-based network attack detection systems: New approaches in cyber security
YUSUF ETKA KÖYLÜ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN KOCAARSLAN
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Karaciğer hastalığının bilgisayarlı tomografi görüntülerinden derin ağ mimarisi ile teşhisini iyileştirmek için en uygun veri artırma tekniğinin araştırılması
Investigation of the optimal data augmentation technique to improve liver disease diagnosis with a deep network architecture from computed tomography images
ELNURA ADIGOZALOVA
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriAkdeniz ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. EVGİN GÖÇERİ
