Dalgacık dönüşümü ve istatistiksel teknikler kullanılarak ileri MR görüntülerinden glial beyin tümörlerinin bölütlenmesi ve evrelenmesi
Segmentation and grading of glial brain tumors with advanced MR imaging using wavelet transform and statistical techniques
- Tez No: 346299
- Danışmanlar: DOÇ. DR. AYŞEGÜL GÜVEN
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 109
Özet
ÇalıŞmada Durağan Dalgacık DönüŞümü (DDD) katsayılarının ve istatistiksel doku özelliklerinin, anormal dokuların sağlıklı dokulardan ayrılması ve farklı tümör dokularının bölütlenmesinde kullanımına dayanan bir yöntem sunulmaktadır. Yapılan incelemede glial tümör olduğu öngörülen ve histopatolojik tanı elde edilen 10 hastaya ait Difüzyon Ağırlıklı Görüntülerden (DAG) elde edilen Görünür Difüzyon Katsayısı (Apparent Diffusion Coefficient-ADC) görüntüsü üzerinde seçilen beyin bölgelerinin DDD katsayıları hesaplanmıŞtır ve sonuçlar bağımsız örneklem tek yönlü varyans analizi ile değerlendirilerek farklı dokular arasındaki anlamlılık düzeyi incelenmiŞtir. Ödem-kist dokusu, düŞük-yüksek evreli dokular ve ödem-nekroz dokuları arasında DDD katsayıları bakımından anlamlı bir iliŞki gözlenmezken (p>0.05) diğer dokuların ayrımında DDD katsayıları baŞarılı olmuŞtur (p
Özet (Çeviri)
This study presents a method that is based on applying Stationary Wavelet Transform (SWT) for the characterization of healty and pathologic human brain tissues and differentiating tumor tissue into different tissue types. 10 patient who were prediagnosed with cerebral glial tumors were included this study and the diagnosis were proven by histopathological examination. On ADC images that are obtained from Diffusion Weighted Images (DWI) SWT coefficients were calculated on each selected brain region of interest. The results were evaluated with Independent One-Way ANOVA test and the significance level was investigated for different tissue types. There was no meaningful difference between edema-cyctic tissue, high grade-low grade tumor tissues and edema-necrosis (p>0.05), while other tissue types were discriminated succesfully (p
Benzer Tezler
- Image reconstruction with deep learning and applications in MR images
Derin öğrenme ile görüntü geriçatımı ve MR görüntülerinde uygulamaları
AMIR AGHABIGLOU
Doktora
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Çoklu sınıflandırıcı sistemleri ile konjestif kalp yetmezliği teşhisi
Diagnosing the patients with congestive heart failure using multi stage classifier techniques
ALİ NARİN
Yüksek Lisans
Türkçe
2013
BiyomühendislikBülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT ÖZER
YRD. DOÇ. DR. YALÇIN İŞLER
- Condition monitoring and fault detection for induction motors by spectral trending and stationary wavelet analysis
Spektral trend ve durağan dalgacık dönüşümü yardımıyla durum izleme ve arıza tanısı
DUYGU BAYRAM
Doktora
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Dalgacık dönüşümü kullanılarak uydu ve hava görüntülerinin gürültüden arındırılması üzerine bir uygulama
A denoising application of satellite and aerial images using wavelet transform
KEZBAN İNCE
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik MühendisliğiHava Harp Okulu KomutanlığıUzay Bilimleri Ana Bilim Dalı
PROF. DR. OKYAY KAYNAK