Segmantation in abdominal medical images
Karın bölgesine ait tıbbi görüntülerde bölütleme
- Tez No: 213127
- Danışmanlar: Y.DOÇ.DR. GÜLESER KALAYCI DEMİR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2007
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
Karın bölgesine ait tıbbi görüntülerin bölütlenmesi her görüntü veri setindeki voksellerin hangi dokuya ait olduğunun etiketlenmesi ve anatomik yapılarının gösterilmesi işlemidir. Ameliyat öncesi planlamada organların bilgisayarlı tomografi görüntülerinden tanımlanması önemlidir. Ancak; bitişik organların gri seviye benzerlikleri, hastaya opak madde enjekte edilmesi ve parçalı hacim etkisi gibi sebeplerle organların doğru bir şekilde bölütlenmesi zor bir işlemdir. Bu tezde, karaciğer nakli ameliyatlarından önce gerekli olan karaciğer dokusunun tanımlanması ele alınmış, otomatik ve yarı otomatik olmak üzere üç ayrı algoritma önerilmiş ve başarımları karşılaştırılmıştır. Her üç algoritma da ön-işleme, sınıflama/eşikleme ve son-işleme olmak üzere üç aşamadan oluşmaktadır. İlk algoritmada, sınıflayıcı olarak k-ortalamalar yöntemi kullanılırken; ikinci algoritmada, daha karmaşık bir sınıflayıcı olan çok katmanlı algılayıcı kullanılmıştır. Üçüncü algoritmada ise karaciğer dokusunu tanınması için dinamik eşikleme yöntemi kullanılmıştır. Birinci algoritma karşıtlık değişimlerine karşı dayanıklıdır. Aynı zamanda, bu algoritma daha hızlı çalıştığı için klinik uygulanabilirlik açısından daha iyidir. İkinci ve üçüncü algoritmalar ise hem karşıtlık değişimlerine hem de tipik olmayan karaciğer şekillerine karşı dayanıklıdır. Bu özellikler hasta veri setinin karakteristiğinin bölütleme işlemine paralel öğrenilmesi ve parametrelerin bu karakteristiğe adapte olmasıyla sağlanmaktadır. Anahtar kelimeler : Karaciğer Bölütleme, Bilgisayarlı Tomografi, Çok Katmanlı Algılayıcı, K-ortalamalar, Dinamik Eşikleme
Özet (Çeviri)
Abdominal medical image segmentation is the process of labeling each voxel in a medical image dataset to indicate its tissue type or anatomical structure. Identifying organs from abdominal Computed Tomography (CT) datasets is one of the essential steps for surgical planning. However, due to gray level similarity of adjacent organs, injection of contrast material and partial volume effects; robust segmentation of abdominal organs is a very difficult task. In this thesis, segmentation of liver parenchyma, which is essential for live donor liver transplantation surgery, is studied. Three different automatic and semi-automatic hybrid liver segmentation algorithms are proposed and their performances are compared. All proposed algorithms have three stages; namely, preprocessing, classification/thresholding and post-processing. In the first algorithm, k-means clustering is used as a classifier. In the second algorithm, Multi Layer Perceptron, which is a more complex classifier, is used. In the third algorithm dynamical thresholding is used to identify liver parenchyma. The first algorithm is able to deal with contrast variations. In addition, it is worth to say that this algorithm is much faster supporting applicability for clinical usage. The second and third algorithms are able to deal with not only contrast variations but also atypical liver shapes. These capabilities are provided by the patient oriented structure which learns the characteristics of a patient dataset for each slice in parallel to the segmentation process and adapts its parameters according to these characteristics. Keywords : Liver Segmentation, Computed Tomography, Multi Layer Perceptron Network, k-means, Dynamical Thresholding
Benzer Tezler
- Tıbbi görüntü işlemede kapsül ağlar
Capsule networks in medical image processing
AHMET SOLAK
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAHİME CEYLAN
- 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
- Abdominal image segmentation and visualization using hierarchical neural networks
Hiyerarşik sinir ağları ile abdominal görüntü bölütleme ve üç boyutlu görüntüleme
MUSTAFA ALPER SELVER
Doktora
İngilizce
2010
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT GÜZELİŞ
- Abdomen BT görüntülerinde pankreas segmentasyonu için yeni bir derin öğrenme yaklaşımı: Pascal U-Net
A new deep learning approach for pancreas segmentation on abdomen CT images: Pascal U-Net
ENDER KURNAZ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAHİME CEYLAN
- Automated processing and classification of medical thermal images
Medikal termal görüntülerin otomatik olarak işlenmesi ve sınıflandırılması
AHMET ÖZDİL
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT YILMAZ