Geri Dön

3-D segmentation of medical images using region growing and fuzzy C means clustering

Tıbbi görüntülerin bölge büyütmesi ve bulanık öbekleme yöntemleri ile 3 boyutlu bölütlenmesi

  1. Tez No: 129371
  2. Yazar: SERDAR REBİŞ
  3. Danışmanlar: PROF. DR. YORGO ISTEFANOPULOS, DOÇ. DR. AHMET ADEMOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2002
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 95

Özet

ÖZET TIBBI GÖRÜNTÜLERİN BÖLGE BÜYÜTMESİ VE BULANIK ÖBEKLEME YÖNTEMLERİ İLE 3 BOYUTLU BÖLÜTLENMESİ Bu tezde 3 boyutlu manyetik rezonans (MR) görüntülerinin Bölge Büyütmesi (BB) ve Bulanık Öbekleme yöntemleri ile bölütlenmesi araştırılmış, teori ve varolan uygulamalara değinilmiş ve de sonuçların model parametrelerine göre değişimi incelen miştir. Bu tezde, BÖ uygulamasında hem bölütlenmeyi hızlandıracak, hem de fizik sel bellek gereksinimini azaltacak yeni bir yöntem önerilmektedir. Ayrıca, beyin ve baş bölgesindeki uygulamalara yönelik olarak, kafa merkezinden uzaktaki kesitlerin hatalı bölütlennesini önlemek için yanlı veri ekleme yöntemi önerilmektedir. BB ve BÖ yöntemlerinin MR görüntüleri üzerindeki başarımı, karışıklık matrisleri ile ölçülmüş ve sonuçlar Beklenti Maksinüzasyonu (BM) yönteminin başarımıyla karşılaştırılmıştır. Sonuç olarak (i) BB'nin BÖ ve BM'na göre daha başarılı olduğu görülmüştür. An cak, BB yönteminin bir uzmana ihtiyaç duyması bir dezavantajdır, (ü) Bir uzmana ihtiyaç duymayan uygulamalardan, BÖ'nin başarımının BM'na göre daha iyi olduğu görülmüştür.

Özet (Çeviri)

IV ABSTRACT 3-D SEGMENTATION OF MEDICAL IMAGES USING REGION GROWING AND FUZZY C MEANS CLUSTERING This thesis focuses on 3-D segmentation of multimodal MRI scan using Region Growing (RG) and Fuzzy C-Means clustering (FCM) algorithms. Theory and some ex isting implementation methods are revisited. In implementation, dependency to model parameters are investigated. In FCM implementation, this thesis proposes a sequential processing method that (i) speeds up segmentation and (ii) overcomes physical mem ory limitations. This thesis also proposes adding a bias term to MRI data in order to prevent over-clustering in slices away from head center. The performances of these algorithms on Sections MRI phantom image and real MRI scan are measured using confusion matrices, and compared with expectation maximization (EM) algorithm. It is shown that RG performed better than FCM and EM, but has a disadvantage of requiring operator input. As an unsupervised method, the results obtained with FCM were better than EM.

Benzer Tezler

  1. An Open graphics library (OPENGL) based toolbox for biomedical image display and processing

    Biyomedikal görüntüleri işlemek ve görüntülemek için oluşturulmuş OPENGL tabanlı bir araç kutusu

    MEHMET OLCAY KILIÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2001

    Tıbbi BiyolojiBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ.DR. AHMET ADEMOĞLU

  2. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Tıbbi görüntülerin bölütlenmesi ve karar destek sistemi için mobil istemci uygulama geliştirme

    Segmentation of medical images and client-side mobile application development for desicion support system

    MÜCAHİD GÜNAY

    Doktora

    Türkçe

    Türkçe

    2016

    Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ALKAN

  4. Bilgisayarlı tomografi görüntülerinde derin öğrenme tabanlı çoklu organ segmentasyonu

    Deep learning based multi organ segmentation in computed tomography images

    BEYZA KAYHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SAİT ALİ UYMAZ