Geri Dön

MS segmentation by using MRI images

MR görüntüleri kullanarak MS bölütlemesi

PDF İndir

  1. Tez No: 213079
  2. Yazar: ŞULE ÜŞÜMEZOĞLU
  3. Danışmanlar: Y.DOÇ.DR. AHMET ÖZKURT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Multiple Sclerosis, Manyetik Rezonans Görüntüleme, Bölütleme, Yapay Sinir Ağları, Fuzzy C-Means, K-Means, Kümeleme, Temel Bileşen Analizi (PCA), Bağımsız Bileşen Analizi (ICA), Multiple Sclerosis, Magnetic Resonance Imaging, Segmentation, Artificial Neural Network, Fuzzy C-Means, K-Means, Clustering, Principle Component Analysis (PCA), Independent Component Analysis (ICA)
  7. Yıl: 2007
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 124

Özet

Multiple Sclerosis (MS), merkezi sinir sistemi, beyin ve omuriliği etkileyen bir hastalıktır. MS lezyonlarının içsel heterojen yapısı MR görüntülerine yansır ve lezyonların sağlıklı beyin dokusundan ayrılması sırasında zorluklarla karşılaşılır. Lezyonların otomatik bölütlenmesi MS'in tanımlanması ve izlenmesi açısından gereklidir. Bu çalışmada, MS lezyonlarının bölütlenmesi için farklı doku sınıflandırma teknikleri karşılaştırıldı. Yapay sinir ağları, güdümlü yöntem olarak dikkate alındı. Bağımsız bileşen analizi (ICA) ve temel bileşen analizi (PCA) ile birleştirilmiş fuzzy c-means, k-means ve k-medoid kümeleme yöntemleri ile çok seviyeli geri yayılım sinir ağları algoritmaları karşılaştırıldı ve sonuçlar değerlendirildi.

Özet (Çeviri)

Multiple Sclerosis (MS) is a disease of the central nervous system, brain and spinal cord. The inherent heterogeneity of MS lesions, which is reflected on MR images, causes some of the difficulties encountered while attempting to separate lesions from healthy brain tissue and cerebro-spinal fluid. Automated segmentation of the lesions is useful for trace and diagnosis of MS. In this study, different tissue classification techniques are compared for segmentation of the MS lesions. Artificial neural networks are considered as supervised segmentation techniques and clustering algorithms are considered as unsupervised techniques. Fuzzy C-Means, K-Means and K-medoid clustering techniques with Principle Component Analysis, Independent Component Analysis and Multi Layer Back Propagation Neural Network algorithms are compared and results are evaluated.

Benzer Tezler

  1. Tez No

    785682

    Deep learning approaches for multiple sclerosis lesion segmentation using multi-sequence 3D MR images

    Çok sekanslı 3B MR görüntüleri kullanılarak multiple skleroz lezyon bölütlemesi için derin öğrenme yaklaşımları

    BEYTULLAH SARICA

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. DURSUN ZAFER ŞEKER

  2. Tez No

    332998

    Bulanık kümeleme algoritmaları kullanılarak beyin MR görüntülerinden MS lezyonlarının ayrıştırılması

    Segmentation of MS lesions in brain magnetic resonance images using fuzzy clustering algorithms

    İPEK TOKER

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Biyomühendislikİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. SEDEF KENT PINAR

  3. Tez No

    409752

    Multiple sclerosis (MS) hastalığının erken teşhisi için manyetik rezonans (MR) görüntülerinin otomatik segmentasyonu

    Automatic segmentaion of multiple sclerosis disiese (MS) from magnetic rezonans images (MRI) for early detection

    CAN KİRAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT BAYRAM

  4. Tez No

    784802

    Beyaz cevher hiperintensitelerinin derin öğrenme teknikleri kullanılarak beyin manyetik rezonans görüntülerinden otomatik tespiti

    Automatic detection of white matter hyperintensities using deep learning techniques on brain magnetic resonance images

    GÖKHAN UÇAR

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali Üniversitesi

    Elektronik ve Bilgisayar Eğitimi Ana Bilim Dalı

    DOÇ. DR. EMRE DANDIL

  5. Tez No

    100808

    Color image segmentation: Multithresholding and constraint satisfaction methods

    Renkli imge bölütleme: Çoklueşikleme ve kısıt sağlama metodları

    FATİH KURUGÖLLÜ

    Doktora

    İngilizce

    İngilizce

    2000

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. A. EMRE HARMANCI

Geri Dön