Kontrastsız bt görüntülerinden beyin kanaması tespiti ve sınıflandırılması
Detection and classification of brain hemorrhage from non-contrast ct images
- Tez No: 1023564
- Danışmanlar: DR. ÖĞR. ÜYESİ CAN GÜLDÜREN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ostim Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, kontrastsız BT görüntülerinden beyin kanaması tespiti ve alt türlerinin sınıflandırılması hedeflenmiştir. Çalışmada RSNA Intracranial Hemorrhage Detection, PhysioNet-ICH ve CQ500 gibi açık kaynaklı veri setleri birlikte analiz edilmiştir. Derin evrişimli sinir ağları (DCNN), özellikle önceden eğitilmiş VGG, ResNet ve Inception tabanlı modeller kullanılarak kanama varlığı ve türlerinin yüksek doğrulukla tespiti ve sınıflandırılması amaçlanmıştır. Sınıflandırma başarısını artırmak ve veri setlerindeki dengesizliği gidermek için GAN tabanlı sentetik veri üretimi yöntemleri incelenmiş; StyleGAN2-ADA, FastGAN ve MedFusion mimarileriyle epidural kanama görüntüleri başarıyla üretilmiştir. Model eğitimi için DenseNet başta olmak üzere CNN mimarileri, sıralı veri işleme için ise iki yönlü RNN modelleri kullanılmıştır. Model performansı başarı metrikleri ve açıklanabilirlik (Grad-CAM, LIME, SHAP) analizleriyle değerlendirilmiştir. Geliştirilen hibrit CNN + BiRNN mimarisi, sentetik veri ile desteklenen eğitim sonucunda epidural kanama sınıfında AUC değerini 0,9388'den 0,9850'ye yükselterek, az örnekli kanama alt türünde modelin ayırt edici başarımında belirgin bir iyileşme sağlamıştır. Sentetik veri ile desteklenen eğitim stratejisinin, hedeflenen az örnekli epidural kanama sınıfında modelin ayırt edici başarımını (AUC) artırdığı deneysel olarak gösterilmiştir. Sonuç olarak, çalışmada geliştirilen otomatik karar destek sistemi, radyolojik tanı süreçlerine katkı sunabilecek, hızlı ve güvenilir bir beyin kanaması tespit ve sınıflandırma altyapısı sunmaktadır.
Özet (Çeviri)
This thesis aims to detect brain hemorrhages and classify their subtypes from non-contrast CT images using the RSNA Intracranial Hemorrhage Detection, PhysioNet-ICH, and CQ500 datasets. Pretrained deep convolutional neural networks based on VGG, ResNet, Inception, and DenseNet architectures were employed, while bidirectional RNN models were used for sequential data processing. To address class imbalance and improve performance, GAN-based synthetic data generation methods were investigated, and epidural hemorrhage images were successfully generated using StyleGAN2-ADA, FastGAN, and MedFusion. Model performance was evaluated using standard metrics and interpretability methods, including Grad-CAM, LIME, and SHAP. The developed hybrid CNN + BiRNN architecture, trained with synthetic data augmentation, increased the AUC for the epidural hemorrhage class from 0.9388 to 0.9850, demonstrating a substantial improvement in the model's discriminative performance for this underrepresented hemorrhage subtype. Experimental results showed that synthetic-data-supported training improved the AUC for the low-sample epidural hemorrhage class. The developed automatic decision support system therefore provides a rapid and reliable framework that can support radiological diagnosis.
Benzer Tezler
- İntrakranial hemorajilerde UNET tabanlı derin sinir ağları ile beyin BT görüntülerinin otomatik segmentasyonu ve volümetrik analizi
Automatic segmentation and volumetric analysis of intracranial hemorages in brain CT images with UNET-based deep neural networks
MURAT YÜCE
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. AHMET TAN CİMİLLİ
- Beyin BT görüntülerinden inme teşhisine yönelik derin öğrenme tabanlı hekim karar destek sistemi
Deep learning based physician decision support system for diagnosis of stroke from brain CT images
MUHAMMED ÖNAL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DOÇ. DR. BUKET KAYA
- Beyin perfüzyon BT görüntülemede serebral perfüzyonun hemodinamik özelliklerinin belirlenmesi
Determination of hemodynamic characteristics of cerebral perfusion in brain perfusion CT imaging
MERVE DUR İNCE
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. MUSTAFA TAŞAR
- Diffüz aksonal hasarlanmaların kontrastsız bilgisayarlı tomografi incelemelerinde histogram analizi yöntemi kullanılarak saptanmasının araştırılması
Investigation of detection of diffuse axonal injury in non-contrast computed tomography examinations with histogram analysis method.
SÜMEYRA SARITOY
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpFırat ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. MURAT BAYKARA
- Serebrovasküler enfarkt hastalarında çekilen beyin bilgisayarlı tomografi'de ölçülen optik sinir kılıf çapı ile mortalite ilişkisi
The relationship between optic nerve sheath diameter measured on computerized tomography and mortality in patients with cerebrovascular infarction
MEHMET AKİF ÖNAL
Tıpta Uzmanlık
Türkçe
2014
İlk ve Acil YardımNecmettin Erbakan ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. SEDAT KOÇAK