Kemik kırıklarının görüntü işleme teknikleri ve bilgisayarlı görü ile tespiti
Detection of bone fractures using image processing techniques and computer vision
- Tez No: 1023613
- Danışmanlar: DOÇ. DR. FERHAT TAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Science and Technology, Engineering Sciences, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Görüntü işleme, Görüntü işleme yöntemleri, Deep learning, Image processing, Image processing methods
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kemik kırıkları, çocukluk döneminde sık görülen travmatik yaralanmalar arasında yer almakta olup erken dönemde doğru tespiti tedavi süreci açısından kritik önem taşır. Ancak pediatrik el bileği röntgenlerindeki büyüme plakları, kemik süperpozisyonları ve düşük kontrastlı kırık hatları, teşhis sürecini zorlaştırır. Bu tez çalışmasında, pediatrik el bileği röntgen görüntülerinde kemik kırıklarının ve ilişkili radyolojik bulguların YOLO tabanlı derin öğrenme modelleriyle tespit edilmesi amaçlandı. Araştırmada GRAZPEDWRI-DX veri seti kullanıldı; görüntüler 16-bit'ten 8-bit'e dönüştürüldü, hafif CLAHE ön işlemesinden geçirildi ve üç kanallı tensör yapısına uyarlandı. Deneysel süreçte YOLOv9c ve YOLO11l modelleri karşılaştırıldı; daha yüksek başarı gösteren YOLO11l modeli temel omurga mimarisi olarak seçildi. Ardından bu mimariye Evrişimsel Blok Dikkat Modülü (CBAM) ve Küresel Bağlam (GC) mekanizmaları entegre edildi. Analizler sonucunda YOLO11l+GC modeli 0.759 duyarlılık, 0.669 F1 skoru, 0.715 [email protected] ve 0.435 [email protected]:0.95 değerlerine ulaştı. Kırık sınıfında ise 0.930 duyarlılık ve 0.939 [email protected] değeri elde edildi; böylece gerçek kırık bulgularının yaklaşık %93'ü başarıyla tespit edildi. Son aşamada nihai model, Streamlit tabanlı bir grafiksel arayüze aktarılmış ve sağlık profesyonellerinin kullanımını kolaylaştıracak bir karar destek aracı prototipi hâline getirilmiştir.
Özet (Çeviri)
Bone fractures are common traumatic injuries in childhood, and their accurate early detection is important for treatment. In pediatric wrist radiographs, fracture detection can be challenging due to growth plates, bone superpositions, and low-contrast fracture lines. In this thesis, YOLO-based deep learning models were used to detect bone fractures and related radiological findings in pediatric wrist X-ray images. The GRAZPEDWRI-DX dataset was used. The images were converted from 16-bit to 8-bit, processed with mild CLAHE preprocessing, and adapted to a three-channel tensor structure. In the experimental process, YOLOv9c and YOLO11l models were compared; then, Convolutional Block Attention Module (CBAM) and Global Context (GC) mechanisms were integrated into the more successful YOLO11l architecture. The YOLO11l+GC model achieved 0.759 recall, 0.669 F1 score, 0.715 [email protected], and 0.435 [email protected]:0.95. For the fracture class, 0.930 recall and 0.939 [email protected] were obtained, indicating that approximately 93% of actual fracture findings were detected. Finally, the model was integrated into a Streamlit-based clinical decision support interface and evaluated as an assistive decision support tool for physicians.
Benzer Tezler
- Yapay sinir ağları ile kemik kırıklarının görüntü işleme tabanlı tespiti
Bone fracture detection based on image processing using artificial neural networks
ZİYA EKŞİ
Yüksek Lisans
Türkçe
2012
BiyomühendislikSakarya ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. MURAT ÇAKIROĞLU
- Tomografide temel beyin tanılarının otomatik tespiti
Automatic diagnosis of fundental brain diseases in computed tomography
SERDAR KÜPLÜ
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. CEMAL HANİLÇİ
- Kemik kırıklarının görüntü işleme yöntemleri ile tam otomatik tespiti ve yapay zeka algoritmaları ile sınıflandırılması
Full automated detection of bone fractures by image processing methods and classification by artificial intelligence algorithms
SALİH BÜTÜNER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EFTAL ŞEHİRLİ
- Femur kemik kırıklarının bilgisayar destekli sınıflandırılması
Computer-aided classification of femur fractures
FATİH BAYRAM
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. MURAT ÇAKIROĞLU
- X-ray görüntülerinden köpeklerde uzun kemik kırıklarının meydana gelme zamanına göre sınıflandırılması
Classification of long bone fractures in dogs from X-ray images according to the time of occuration
BERKAN TEZCAN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELDA GÜNEY