Geri Dön

Vessel segmentation using shallow water equations

Sığ su denklemleri kullanarak damar bölütlemesi

  1. Tez No: 276626
  2. Yazar: FATİH NAR
  3. Danışmanlar: YRD. DOÇ. DR. DİDEM GÖKÇAY
  4. Tez Türü: Doktora
  5. Konular: Bilim ve Teknoloji, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 130

Özet

Bu tez sıvı akışını deforme olabilen bir model olarak kullanarak 2 boyutlu ve 3 boyutlu tıbbi görüntülerdeki damarları bölütleme yaklaşımını incelemektedir. Sıvı akışı kullanarak tıbbi görüntülerden damar bölütlemek damarların zaten kan naklini sağlayan dokular olmaları sebebiyle biyolojik olarak da akla yatkındır. Sıvı akışı ayrılabilir ve birleşebilir olması sebebi ile topolojik yapıya intibak edebilmektedir bu da sıvı akışını güçlü bir damar bölütleme yönteminin temeli olarak kullanmayı mümkün kılmaktadır. Buna ek olarak, sıvı akışı görüntüleme sınırlamaları ve hatalarından kaynaklı damar boşluklarını aşarak bağlantısı kopmuş bölgeleri birleştirebilmektedir. Sadeliği, paralel olarak hesaplanabilir yapısı ve diğer sıvı benzetim yöntemlerine kıyasla daha düşük olan hesaplama karmaşıklığı yüzünden sıvı akışı benzetimi için doğrusallaştırılmış sığ su denklemleri (LSWE) kullandık. Geliştirilen yöntem içinde manyetik tınlaşım anjiyografi (MRA), manyetik tınlaşım venografi (MRV), ve retina göz anjiyo görüntüler bulunan sentetik görüntüler, klinik görüntüler ve halka açık görüntüler kullanılarak doğrulanmıştır. Yöntem Nvidia Compute Unified Device Architecture (CUDA) üzerinde paralel olarak da geliştirilmiş ve görüntü büyüklüğüne bağlı olarak tek çekirdekli ve çok çekirdekli CPU ya kıyaslan on ile yüz kat arasında hızlanmalar sağlanmıştır.

Özet (Çeviri)

This thesis investigates the feasibility of using fluid flow as a deformable model for segmenting vessels in 2D and 3D medical images. Exploiting fluid flow in vessel segmentation is biologically plausible since vessels naturally provide the medium for blood transportation. Fluid flow can be used as a basis for powerful vessel segmentation because streaming fluid regions can merge and split providing topological adaptivity. In addition, the fluid can also flow through small gaps formed by imaging artifacts building connections between disconnected areas. In our study, due to their simplicity, parallelism, and low computational cost compared to other fluid simulation methods, linearized shallow water equations (LSWE) are used. The method developed herein is validated using synthetic data sets, two clinical datasets, and publicly available simulated datasets which contain Magnetic Resonance Angiography (MRA) images, Magnetic Resonance Venography (MRV) images and retinal angiography images. Depending on image size, one to two order of magnitude speed ups are obtained with developed parallel implementation using Nvidia Compute Unified Device Architecture (CUDA) compared to single-core and multi-core CPU implementation.

Benzer Tezler

  1. Yedikule-Büyükçekmece (İstanbul) sığ deniz sismiği verilerinin değerlendirilmesi

    Interpretation of the shallow marine seismic data on offshore Yedikule-Büyükçekmece (İstanbul)

    HÜLYA KURT

    Yüksek Lisans

    Türkçe

    Türkçe

    1994

    Jeofizik Mühendisliğiİstanbul Teknik Üniversitesi

    Y.DOÇ.DR. EMİN DEMİRBAĞ

  2. Retinal blood vessel segmentation using transfer learning on unet

    Unet üzerinden transfer öğrenmeyi kullanarak retınal kan damar segmentasyonu

    RAMAZAN KARTAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiGaziantep Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. SEMA KAYHAN

  3. Data augmentation in retinal fundus images segmentation using deep learning

    Derin öğrenme kullanarak retina fundus görüntülerinin segmentasyonu için veri artırma

    NAGAT MASUED

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiKaradeniz Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ÖZTÜRK

  4. Distortion detection and restoration pipeline for phase contrast microscopy time-series-images

    Faz kontrast microskopi zaman serisi goruntulerinde bozulma tespiti ve yeniden yapılandırma algoritması

    MAHMUT UÇAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİzmir Demokrasi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. DEVRİM ÜNAY

    PROF. DR. Uğur TÖREYİN

  5. Vascular segmentation of brain MR angiography images using convolutional neural networks

    Evrişimsel sinir ağları kullanarak beyin MR anjiyografi görüntülerinin vasküler segmentasyonu

    YUSUF HÜSEYİN ŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. GÖZDE ÜNAL