Bilgisayar destekli tanı sistemi ile akciğer nodüllerinin nitelendirilmesi
Characterization of lung nodules with computer aided diagnosis system
- Tez No: 392764
- Danışmanlar: YRD. DOÇ. DR. AHMET BURAK CAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 137
Özet
Akciğer kanseri, özellikle endüstrisi gelişmiş ülkelerde ölüm oranı en yüksek kanser türüdür. Tanısındaki en büyük sıkıntılar, görüntüleme verilerindeki fazlalık ve kansere sebep olan küçük boyutlu nodüllerin tespitinin ve değerlendirmesinin zorluğundan kaynaklıdır. Bilgisayar destekli tanı sistemleri, bu temel sorunlarda radyologlara yardımcı olmak için geliştirilen uzman sistemlerdir. Bu tez kapsamında küçük boyutlu akciğer nodüllerinin habislik derecesinin belirlenmesi için sınıflama yaklaşımları önerilmektedir. Çalışmada Amerikan Kanser Enstitüsü tarafından sunulan Lung Image Database Consortium (LIDC) veritabanı kullanılmıştır. LIDC veritabanı dört farklı enstitüden radyologlar tarafından değerlendirilmiş ve nodül habislik derecesi yanında radyografik tanımlayıcı bilgisini içeren bir veritabanıdır. Bu tez çalışmasında, radyografik tanımlayıcıların habislik derecesinin tahmininde faydalı olup olmadığının incelenmesi amaçlanmıştır. LIDC veritabanının dengesiz sınıf dağılımını ele almak için veri dengeleme yaklaşımları kullanılmıştır. Sınıflama yöntemleri temel olarak iki adımdan oluşmaktadır. İlk adımda alt düzey görüntü özniteliklerinden radyografik tanımlayıcılar tespit edilmekte, sonraki adımda ise radyografik tanımlayıcılar aracılığıyla habislik derecesi tahmin edilmektedir. Sınıflama adımlarında tekil sınıflayıcılar, takım sınıflayıcılar, bulanık mantık tabanlı ve kural tabanlı sınıflama yaklaşımları kullanılmıştır. Çalışma sonuçları, sınıflama başarımı, duyarlılık ve seçicilik ölçümleri bağlamında literatürdeki önemli çalışmaların ve görüntü öznitelikleri ile eğitilmiş tekil sınıflayıcıların sonuçları ile karşılaştırılmıştır. Elde edilen sonuçlar radyografik tanımlayıcıların sınıflama başarımına olumlu katkı yaptığını göstermektedir. Sunulan yöntemlerin önemli bir bölümü, literatürdeki çalışmalar ile karşılaştırılabilir düzeyde başarılı sonuçlar üretmektedir.
Özet (Çeviri)
Lung cancer is one of the leading causes of cancer related deaths worldwide, especially in industrially developed countries. Major problems in diagnosis are caused by high volume of visual data and difficulty of detection of solitary/small pulmonary nodules. Computer aided diagnosis systems are expert systems to assist radiologists on these issues. In this thesis, classification approaches for predicting malignancy of solitary pulmonary nodules are presented. Publicly available Lung Image Database Consortium (LIDC) database which is proposed by USA National Cancer Institute is used in the study. LIDC contains malignancy and nodule characteristics evaluations of radiologists from four different institutions. The goal of this thesis is to examine the usefulness of radyographic descriptors in malignancy prediction. Dataset balancing approaches are used for addressing unbalanced class distribution of LIDC database. Classification methods basically consist of two phases. In the first phase, radyographic descriptors are determined from low level image features; and in the second step malignancy is predicted from these descriptors. Single classifiers, ensemble classifiers, fuzzy logic based and rule based methods are used in classification steps. Results are compared with prominent studies in literature and single classifiers which are trained with image features in the context of classification accuracy, specificity and sensitivity measures. The obtained results indicate that radyographic descriptors contribute malignancy prediction. Moreover, the majority of the presented methods' results are successful and comparable with the methods in literature.
Benzer Tezler
- Akciğer tomografisi görüntülerinde görüntü işleme teknikleri kullanılarak nodül tespiti ve yapay zeka ile nodüllerin nitelendirilmesi
Nodula determination by using image processing techniques and characteri̇zati̇on of node with artificial intelligence in lung tomography images
ENES ÇAKAR
Yüksek Lisans
Türkçe
2018
BiyomühendislikSakarya ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET KARACA
- Tıbbi görüntü veri setlerinde matlab ile büyük veri teknikleri uygulaması
Application of big data techniques for medical images datasets with matlab
EISSA FAISAL ALI AL-ZABIDI
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ URAZ YAVANOĞLU
- Bilgisayarlı tomografi görüntülerinden nodül tespit karar destek sistemi geliştirilmesi
Developing decision support system for nodule detection from computerized tomography images
YASİN İLHAN
Doktora
Türkçe
2024
BiyomühendislikKocaeli ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. ARİF ÖZKAN
- Evaluation and analysis of a computer aided diagnostic system for lung nodule assessment in CT scans
Bilgisayarlı tomografi taramalarında akciğer nodülü yorumlamaları için bilgisayar destekli tanı sistemi değerlendirme ve analizi
BERNA ESER
Yüksek Lisans
İngilizce
2019
BiyomühendislikBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALBERT GÜVENİŞ
- Derin öğrenme yaklaşımı ile pulmoner nodül karar destek sistemi
Pulmonary nodule decision support system with deep learning approach
HİLAL TİRYAKİ
Yüksek Lisans
Türkçe
2020
BiyoistatistikKaradeniz Teknik ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURÇİN KURT