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
- Tez No: 129371
- Danışmanlar: PROF. DR. YORGO ISTEFANOPULOS, DOÇ. DR. AHMET ADEMOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2002
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2001
Tıbbi BiyolojiBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ.DR. AHMET ADEMOĞLU
- Graph cuts and region growing algorithms in medical image segmentation
Başlık çevirisi yok
GÖKTEKİN DURUSOY
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik MühendisliğiPolytechnic Institute of New York UniversityPROF. YAO WANG
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- 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
2016
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ALKAN
- Bilgisayarlı tomografi görüntülerinde derin öğrenme tabanlı çoklu organ segmentasyonu
Deep learning based multi organ segmentation in computed tomography images
BEYZA KAYHAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAİT ALİ UYMAZ