Merkezi fark evrişim yöntemiyle geliştirilmiş yoğun ağ mimarisi ile çok kipli beyin tümör segmentasyonu
Multimodal brain tumor segmentation using a dense network architecture enhanced with central difference convolution
- Tez No: 1018773
- Danışmanlar: PROF. DR. TEMEL KAYIKÇIOĞLU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin tümörlerinin otomatik olarak segmente edilmesi, hem doğru tanı konulabilmesi hem de uygun tedavi planının belirlenebilmesi açısından büyük önem taşımaktadır. Glioma tümörleri, yapısal olarak heterojen bir görünüm sergilemesi ve çevre dokuyla olan sınırlarının net biçimde ayırt edilememesi nedeniyle bu alandaki en zorlu problemlerden birini oluşturmaktadır. Literatürde yüksek segmentasyon başarısı elde eden modellerin büyük çoğunluğu, çok sayıda parametreye ve yoğun GPU kaynaklarına bağımlı olarak çalışmaktadır. Bu tez çalışmasında, daha az parametre ve sınırlı donanım kaynağıyla rekabetçi sonuçlar üretebilen bir model geliştirilmesi hedeflenmiştir. Bu amaçla, T1, T1ce, T2 ve FLAIR olmak üzere dört farklı MR modalitesinden elde edilen görüntüler kullanılarak beyin tümörü alt bölgelerini segmente edebilen, merkezi fark evrişimine dayalı yoğun bir ağ mimarisi tasarlanmıştır. Tasarlanan mimaride merkezi fark evrişim katmanları uzamsal gradyan bilgisinin daha etkin biçimde elde edilmesini sağlarken, yoğun bağlantı yapısı farklı seviyelerdeki özniteliklerin yeniden kullanılmasına olanak tanımaktadır. Model; tüm tümör, tümör çekirdeği ve gelişen tümör bölgeleri üzerinde hem nicel hem de görsel olarak değerlendirilmiş, elde edilen sonuçlar segmentasyon doğruluğu ile hesaplama verimliliği arasında etkin bir denge kurulabildiğini göstermiştir.
Özet (Çeviri)
Automatic segmentation of brain tumors is of great importance for both accurate diagnosis and the determination of appropriate treatment plans. Glioma tumors constitute one of the most challenging problems in this field due to their structurally heterogeneous appearance and the difficulty in clearly distinguishing their boundaries from surrounding tissue. The majority of models that achieve high segmentation accuracy in the literature operate with a large number of parameters and heavy reliance on GPU resources. In this thesis, the aim was to develop a model capable of producing competitive results with fewer parameters and limited hardware resources. To this end, a dense network architecture based on central difference convolution was designed to segment brain tumor sub-regions using images obtained from four different MR modalities, namely T1, T1ce, T2, and FLAIR. In the designed architecture, central difference convolution layers enable more effective extraction of spatial gradient information, while the dense connectivity structure allows the reuse of features obtained at different levels. The model wasevaluated both quantitatively and visually on whole tumor, tumor core, and enhancing tumor regions, and the results demonstrated that an effective balance between segmentation accuracy and computational efficiency can be achieved.
Benzer Tezler
- Tip 2 diyabet hastalarında dijital okuryazarlık düzeyi ile diyabet öz yönetimi ilişkisinin incelenmesi
Investigation of the relationship between digital literacy level and diabetes self-management in Type 2 diabetic patients
MURAT ÇAKIR
Yüksek Lisans
Türkçe
2025
Sağlık Yönetimiİstinye ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATMA NUR ÇİÇİN
- Kriptoparalarda kümeleme analizi uygulamaları
Cluster analysis applications of cryptocurrencies
EZGİ DOĞAN
Yüksek Lisans
Türkçe
2023
İstatistikİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN BAYYURT
- Deniz taşımacılığında kuru yük gemilerinin yangın risklerinin araştırılması ve yangın güvenliği
Investigation of fire risks and fire safety of dry cargo ships in marine transportation
CEM ÖZKAN
Yüksek Lisans
Türkçe
2025
DenizcilikSakarya ÜniversitesiYangın ve Yangın Güvenliği Ana Bilim Dalı
DOÇ. DR. MURAT TUNA
- 2023 ve 2024 Türkiye seçimleri bağlamında sosyal medyanın X, Y ve Z kuşaklarının siyasal katılımı üzerindeki etkisi
Analyzing the influence of social media on the political participation of generations X, Y, and Z: The case of the 2023–2024 Turkish elections
SAMET HASANOĞLU
Yüksek Lisans
Türkçe
2025
Siyasal BilimlerAkdeniz ÜniversitesiSiyaset Bilimi ve Kamu Yönetimi Ana Bilim Dalı
PROF. DR. HAKAN ALTINTAŞ
- Ortaöğretim 9. sınıf İngilizce dersi öğretim programının değerlendirilmesi
Evaluation of secondary school 9th grade English curriculum
SUNA YAŞAR
Yüksek Lisans
Türkçe
2025
Eğitim ve ÖğretimBalıkesir ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. HASAN HÜSEYİN ŞAHAN