Bilgisayarlı tomografi görüntülerinden tekstür analizi ve sınıflandırma yöntemleri yardımıyla karaciğer fibrozisinin evrelendirilmesi
Staging of the liver fibrosis from computed tomography images using texture analysis and classification methods
- Tez No: 377180
- Danışmanlar: PROF. DR. MUSA HAKAN ASYALI, PROF. DR. SADIK KARA
- Tez Türü: Doktora
- Konular: Biyomühendislik, Mühendislik Bilimleri, Bioengineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 129
Özet
Karaciğer biyopsisi kronik hepatit ve fibrozis değerlendirilmesinde altın standart olarak kabul edilir. Bununla birlikte biyopsi invaziv, pahalı ve aynı zamanda standardize edilmesi zor bir işlemdir. Ultrasonografi, bilgisayarlı tomografi ve manyetik rezonans görüntüleme gibi tıbbi görüntüleme teknikleri; karaciğer dokusunu yorumlamak için, iğne biyopsisine alternatif olabilecek, invaziv olmayan yardımcı yöntemlerdir. Bu çalışmada, karaciğer BT görüntülerinin bazı görüntü tekstür özelliklerini analiz ederek karaciğer fibrozis evresini belirlemek için invaziv olmayan, düşük maliyetli ve doğru çalışan bir yöntem geliştirilmeye çalışılmıştır. Bu yaklaşımda, BT görüntülerinden bazı uygun ilgi bölgeleri seçilerek, gri seviye eş-oluşum matrisi, gri seviye koşu uzunluğu matrisi, komşu gri ton fark matrisi, Laws yöntemi, ayrık dalgacık dönüşümü, ayrık Fourier dönüşümü, Gabor filtreleri ve birinci derece istatistikler gibi farklı yöntemler kullanılarak bu bölgelere ait, kapsamlı tekstür özellikleri kümesi elde edilmiştir. Daha sonra, özellik seçme yöntemleri en ayırt edici özelliklerin seçimi için çeşitli kombinasyonlarda kullanılmıştır. Son olarak, bu seçilen tekstür özellikleri, destek vektör makinaları ve k-en yakın komşu yöntemleri kullanılarak sınıflandırılmıştır. İkili fibrozis evre karşılaştırmaları (ikili sınıflandırma) ve direkt karaciğer fibrozis evreleme (çok sınıflı sınıflandırma) çalışılmıştır. Sınıflandırmada daha yüksek başarı gösteren özellik aileleri birleştirilerek, sınıflandırma performansı artırılmıştır. Elde edilen sonuçlar, bu çalışmada önerilen yaklaşımın özellikle ikili fibrozis evre karşılaştırmalarında karar destek sistemi olarak kullanılabileceğini göstermektedir.
Özet (Çeviri)
Liver biopsy is considered to be the gold standard for analyzing chronic hepatitis and fibrosis; however, it is an invasive and expensive approach, which is also difficult to standardize. Medical imaging techniques such as ultrasonography, computed tomography, and magnetic resonance imaging are non-invasive and helpful methods to interpret liver texture, and may be alternatives to needle biopsy. In this study, a non-invasive, low-cost and relatively accurate method was developed to determine liver fibrosis stage by analyzing some of the texture features of liver CT images. In this approach, suitable regions of interests were selected on CT images and a comprehensive set of texture features were obtained from these regions using different methods, such as gray level co-occurrence matrix, gray level run length matrix, neighborhood gray tone difference matrix, Laws' method, discrete wavelet transform, discrete Fourier transform, Gabor filters, and first order statistics. Following this, feature selection methods were used in various combinations for the selection of most discriminating features. Finally, those selected texture features were classified using two methods, namely, support vector machines and k-nearest neighbors. Pairwise fibrosis stage comparisons (binary classification) and direct liver fibrosis stage (multi-class classification) were studied. It has been observed that fusing features from these better performing families further improved the classification performance. The results show that the proposed approach in this study can be used as a decision support system especially in pairwise fibrosis stage comparisons.
Benzer Tezler
- Machine and deep learning based analysis of tumors on FDG-PET images
FDG-PET görüntülerindeki tümörlerin makine ve derin öğrenme tabanlı analizi
OĞUZHAN AYYILDIZ
Doktora
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT YILMAZ
- Malign melanom hastalarında metastatik lenf nodlarının F18-FDG pet ve bilgisayarlı tomografide yapılan doku analizi ve makine öğrenmesi algoritmaları ile öngörülmesi
Prediction of metastatic LYMPH nodes in malignant melanoma patients by texture analysis and machine learning performed in F18-FDG pet and computerized tomography
ESİN KORKUT
Tıpta Uzmanlık
Türkçe
2022
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. ŞÜKRÜ MEHMET ERTÜRK
- Lenfoma tanılı hastalarda bilgisayarlı tomografi histogram analizi ile subgrupların ayrımlanabilirliğinin araştırılması
To investigate the role of computed tomography-based textureanalysis in the comparison of subgroups of the disease in lymphoma patients
MERVE GÜRSU
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. YAŞAR BÜKTE
- Kastrasyona dirençli metastatik prostat kanserinde GA-68 PSMA PET/BT tekstür özelliklerinin LU-177 PSMA tedavisi uygulanan hastalarda tedavi yanıtı ve sağkalım ile ilişkisinin araştırılması
The relation of GA-68 PSMA PET/CT radiomics features with treatment response and overall survival in metastatic castration-resistant prostate cancer patients undergoing LU-177 PSMA radioligand therapy
MERVE ATALAY
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF. DR. BERNA TEKİN
- Bilgisayarlı tomografi görüntülerinden derin öğrenme ve makine öğrenmesi ile COVID-19 hastalığının teşhisi
Deep learning from computerized tomography imagesand diagnosis of COVID-19 with machine learning
GÖZDE KAHRAMAN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZAFER CİVELEK