Geri Dön

Çok kanallı veri füzyonu ile resunet tabanlı karaciğer tümörü segmentasyonu

Liver tumor segmentation based on resunet with multi-channel data fusion

PDF İndir

  1. Tez No: 1016330
  2. Yazar: ÜMRAN ŞEKER ERTUĞRUL
  3. Danışmanlar: PROF. DR. HALİFE KODAZ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Yapay zeka, Artificial intelligence
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Konya Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Günümüzde sağlık hizmetlerine olan talebin artmasıyla birlikte, tıp alanında daha hızlı ve etkili tedavi yöntemlerinin geliştirilmesi önem kazanmıştır. Bu kapsamda, tedavi maliyetlerinin azaltılması da temel hedefler arasında yer almaktadır. Etkili tedavi yöntemlerinin daha kısa sürede geliştirilebilmesi amacıyla, makine öğrenmesi ve derin öğrenme teknolojileriyle geliştirilen otomasyon sistemleri giderek daha fazla kullanılmaktadır. Bu sistemler, organların segmente edilmesi ve tümörlerin teşhis edilmesinde manuel segmentasyon yöntemlerine göre zaman kazancı sağlarken, doktorlar ve radyologlar için önemli bir destek aracı haline gelmiştir. Ayrıca, manuel yöntemler kişinin uzmanlığına bağlı olarak çeşitlilik gösterebileceği için derin öğrenme yöntemleri kadar birbiriyle örtüşen sonuçlar içermeyebilir. Bu durum, anatomik konumu itibariyle birbirine yakın olan organların segmentasyonu açısından farklılıklar gösterir. Anatomik olarak komşu organların aralarındaki kontrast düzeyleri de gözle ayırt edilemeyecek derecede düşük olabilir. Bu özelliklere sahip organlardan birisi olan karaciğer; sindirim, besin depolama, hormonları düzenleme gibi bir dizi önemli işleve sahiptir. Bu organ üzerinde oluşan tümörler, kontrolsüz bir şekilde büyüyen ve çoğalan anormal dokulardır. Bu dokuların erken tespit edilmesi durumunda, ölüm oranı büyük ölçüde azalmaktadır. Tümörü görüntülemek, konumunu bulmak ve türünü tespit etmek amacıyla Bilgisayarlı Tomografi (BT) gibi cihazlar yardımıyla alınan görüntüler kullanılır. Bu görüntüler; renk, doku, yoğunluk, desen gibi görsel özelliklere sahiptir. Bu tez çalışması kapsamında, karaciğer görüntülerinin segmente edilerek tümörlerin konumunun tespit edilmesi amacıyla derin öğrenme tabanlı otomatik bir segmentasyon yöntemi önerilmiştir. Bu yöntemde, U-Net ve ResNet mimarilerinin hibritleştirildiği, her iki mimarinin de avantajlarını içeren ResUNet modeli kullanılmıştır. Tıbbi görüntülerde, veri gizliliği ve veri kıtlığı gibi sebeplerden dolayı veri sayısında önemli bir oranda kısıtlılık vardır. Veri kıtlığı, genellikle eksik, hatalı ya da yetersiz veri nedeniyle ortaya çıkmaktadır. Kısıtlılığın azaltılması amacıyla çalışmada, veri füzyon yöntemleri kullanılmıştır. Tıbbi görüntüler için füzyon yöntemleri, daha güvenilir ve doğru tıbbi teşhis oluşturmak amacıyla birden fazla görüntünün bir araya getirilmesiyle oluşur. Bu çalışmada, karaciğer tümör segmentasyonunda veri çeşitliliğini ve bilgi yoğunluğunu artırmak amacıyla, farklı kanallardan elde edilen görüntüler kanal düzeyinde birleştirilmiş; bu süreçte özellikleri öne çıkaran Temel Bileşenler Analizi (PCA) ile çok ölçekli yapıyı koruyan Ayrık Dalgacık Dönüşümü (DWT) tabanlı ileri düzey füzyon yöntemleri uygulanmıştır. Uygulanan veri birleştirme yöntemleri görüntüleri bir uzaydan başka bir uzaya taşımıştır. Veri füzyonundan sonra görüntüler, ResUNet hibrit modeli ile analiz edilmiştir. Çalışmada analiz için üç farklı karaciğer veri seti kullanılmıştır. Karaciğer tümör segmentasyonu için her üç veri setinde de %90'ın üzerinde dice benzerlik katsayısı elde edilmiştir. Karaciğer tümörünün doğası gereği segmentasyon süreci zorlu ve karmaşık olmakla birlikte, gelecekte geliştirilecek otomatik segmentasyon yöntemlerinin bu sürecin daha hızlı ve etkin bir şekilde gerçekleştirilmesine önemli katkılar sunması öngörülmektedir.

Özet (Çeviri)

In recent years, with the increasing demand for healthcare services, the development of faster and more effective treatment methods in the field of medicine has become increasingly important. In this context, reducing treatment costs has also become one of the primary objectives. In order to develop effective treatment methods in a shorter time, automation systems developed using machine learning and deep learning technologies are being used more widely. These systems have become an important support tool for doctors and radiologists while saving time compared to manual segmentation methods in segmenting organs and diagnosing tumors. Additionally, manual methods may not overlapping results as consistent as deep learning methods, as they can vary depending on the expertise of the individual. This situation leads to differences in the segmentation of organs that are anatomically close to each other. The contrast levels between anatomically adjacent organs may also be too low to be distinguished by the eye. Furthermore, manual methods may not be able to detect subtle anatomical features, such as the boundaries between organs or the edges of structures. This can result in inaccurate segmentation. The liver, one of the organs with these characteristics, has a number of important functions such as digestion, nutrient storage and hormone regulation. Tumors that form on this organ are abnormal tissues that grow and proliferate uncontrollably. If these tissues are detected early, mortality is greatly reduced. Images taken with the help of devices such as Computed Tomography (CT) are used to visualize the tumor, locate its position and determine its type. These images have visual characteristics such as color, texture, density and pattern. In this thesis, a deep learning based automatic segmentation method is proposed to segment liver images to detect the location of tumors. For this purpose, the ResUNet model, which hybridizes U-Net and ResNet architectures and includes the advantages of both architectures, is used in this study. In medical images, there is a significant limitation in the number of data due to data confidentiality and data scarcity. Data scarcity is usually caused by missing, inaccurate or insufficient data. In order to reduce the limitation, data fusion methods are used in this study. For medical images, fusion methods consist of combining multiple images together to create more reliable and accurate medical diagnoses. In this study, to enhance data diversity and information richness in liver tumor segmentation, advanced fusion methods based on Principal Component Analysis (PCA), which emphasizes feature representation, and Discrete Wavelet Transform (DWT), which preserves multi-scale structures, were applied for channel-level integration of images obtained from different channels. The applied data fusion methods moved the images from one space to another space. After data fusion, the images were analyzed with the ResUNet hybrid model. Three different liver datasets were used for the analysis. For liver tumor segmentation, dice similarity coefficient values above 90% were obtained in all three datasets. Although the segmentation process of liver tumors is challenging and complex due to the nature of the tumor, it is anticipated that automated segmentation methods to be developed in the future will make significant contributions to performing this process more rapidly and effectively.

Benzer Tezler

  1. Tez No

    1005713

    Üretim hattında kullanılan elektrikli el aletlerini kullanan kişilerin davranışlarının tahmin edilmesine yönelik bir yöntem geliştirilmesi

    Development of a method for predicting the behavioral patterns of operators using electric hand tools in production lines

    KADER NİKBAY OYLUM

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. TURGAY TUGAY BİLGİN

  2. Tez No

    472640

    Super resolution methods for remote sensing images

    Uzaktan algılama görüntüleri için süper çözünürlük metotları

    ÇAĞLAYAN TUNA

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  3. Tez No

    233838

    GSM şebekelerinde frekans planlamasının veri füzyonu ile gerçekleştirilmesi

    Implementation of frequency planning using data fusion for GSM network

    SERDAR BİROĞUL

    Doktora

    Türkçe

    Türkçe

    2008

    Bilim ve TeknolojiGazi Üniversitesi

    Elektrik Eğitimi Ana Bilim Dalı

    PROF. DR. ÇETİN ELMAS

    YRD. DOÇ. DR. AYDIN ÇETİN

  4. Tez No

    683252

    Dynamic spectrum management using cognitive radio technology

    Bilişsel radyo teknolojoisi ile dinamik spektrum yönetimi

    MUSTAFA KAAN ERTAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET HAMDİ KAYRAN

  5. Tez No

    1011478

    İha sistemleri için EKF ve çok katmanlı algılayıcı tabanlı kaskad sensör füzyon algoritmalarının otonom iniş-kalkış senaryoları için geliştirilmesi

    Development of EKF and multilayer sensor-based cascade sensor fusion algorithms for autonomous landing and take-off scenarios of uav systems

    YASİN ÇELİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Elektrik ve Elektronik MühendisliğiBursa Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKAY BAYRAK

Geri Dön