Computer aided detection of spina bifida using features derived from curvature scale space and Zernike moments
Eğrilik ölçek uzayından ve Zernike momentlerinden türetilen özniteliklerle spina bifidanın bilgisayar destekli tanısı
- Tez No: 409251
- Danışmanlar: PROF. DR. SADIK FİKRET GÜRGEN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 187
Özet
Bu tezdeki yaklaşım ve yöntemler başka problemlere genelleştirilebilir olmakla birlikte, özelde iyi belirlenmiş bir bilgisayar destekli tanı problemi üzerinde uygulanmıştır. Amacımız, fetal kafatası imgeleri uzmanlarca incelendiğinde görülebilen spina bifida (açık omurga) sinir tüpü hasarının saptanmasıdır. Otomatik hastalık tespiti yapan uygulamaların amacı özgün çerçevelerde belirlenebilir. Bu tip sistemler, yanlış teşhisleri önlemek amaçlı alternatif gözlemciler olarak kullanlabilir. Spina bifidanın varlığı fetal kafatası biçiminin taşıdığı işaretlerden anlaşılmakta ve bu yüzden, okuyacağınız tezde, ultrason (US) ile edinilen fetal kafatası imgelerinden çıkarılan biçim öznitelikleri kullanılmaktadır. Literatürdeki biçim gösterimi ve öznitelik edinim teknikleri çeşitlilik gösterirken, bunlardan ikisi gerçeklenmiştir. Eğrilik ölçek uzayı ve momentlere (Zernike momentleri) dayalı gösterimler, özniteliklerin ötelenme, dönme ve ölçeklenme dönüşümleri altında değişimsiz olması veya yapılandırılabilmeleri itibariyle, gürbüz gösterimler olarak değerlendirilmektedir. Biçimlerle sınıflandırma, genellikle, bölütleme sorunu ile beraber ortaya çıkmaktadır. US imgelerinin tam-otomatik olarak bölütlenmesi uygulamada zor olduğundan, tezimizde, az sayıda nokta işaretlenerek yarı-otomatik bölütleme hedeflenmiştir. Kullanılan yöntemler basit sezgisellere ve aktif görünüm modellerine dayanmaktadır. Deneylerde en yakın komşu ve destek vektör makineleri sınıflandırıcıları kullanılmakta ve tıbbi verilerin doğasındaki azlık sorunu yüzünden veri kümeleri alt-örnekleme ve üst-örneklemeyle işlenmektedir. Temelde doğru bölütlemelerle bildirilen sonuçlar, belirli amaçları gözeten en iyi işletim noktalarının belirlenebileceğini göstermektedir.
Özet (Çeviri)
The work of this dissertation focuses on a specific computer aided diagnosis (CAD) problem, although the main concept can be generalized to similar problems. Our aim is to detect the presence of the spina bifida (open spine) neural tube defect that is evident for a physician when the fetal skull image of a subject is examined. The objective of applications performing automatic anomaly detection can be set in their original contexts. Such systems, as a second observer, may help avoid false diagnoses. Fetal skull shapes possess markers that signal the presence of spina bifida. That is why this thesis concentrates on exploiting features extracted from skull shapes obtained via ultrasound (US). Among the variety of shape representation and feature extraction schemes, we have implemented and experimented with two. Both the curvature scale space (CSS) and moment-based (i.e. Zernike moments) representations have proved to be robust in that the extracted features provide classification invariant under the similarity transformations of translation, rotation and scaling. Classification of shapes is commonly coupled with the problem of segmentation. Since the fully-automatic segmentation of US images is practically difficult, we have attempted to achieve segmentation semi-automatically after the manual marking of a small number of points on images, based on simple heuristics and the Active Shape Models (ASM). Our experiments use k-nearest neighbor (kNN) and Support Vector Machines (SVM) classifiers. The inherent problem of rarity of medical data sets is tackled with methods of undersampling and oversampling. The results, reported for ground truth segmentations, reveal the availability of optimal operating points serving particular objectives.
Benzer Tezler
- Derin öğrenme ile 11 – 13 + 6 hafta gebelikte açık spina bifida belirteçlerinin otomatik tespiti ve ölçümü
Automatic detection and measurement of open spina bifida markers at 11 – 13 + 6 weeks of gestation via deep learning
DENİZ ATAŞ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YONCA BAYRAKDAR YILMAZ
- Derin öğrenme mimarileri ile MR taramalarından omuriliğin otomatik bölütlenmesi ve MS lezyonlarının ayırıcı tanısı
Automatic segmentation of the spinal cord from MR scans and differential diagnosis of MS lesions with deep learning architectures
RUKİYE POLATTİMUR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL
- Automated detection and classification of spinal disc herniation using deep learning on MRI images
MR görüntülerinde derin öğrenme kullanılarak omurga disk hernisinin otomatik tespiti ve sınıflandırılması
MUSTAFA ISAM ALAJAJ
Yüksek Lisans
İngilizce
2024
İstatistikİstanbul Gedik Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RIZA DİLEK
- MR görüntülerinde MS hastalığının teşhisine yeni bir yaklaşım
A new approach to the diagnosis of MS disease in MR images
BURAK YILMAZ
Doktora
Türkçe
2017
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AKİF DURDU
- Automatic disc herniation diagnosis with machine learning methods from MRI images
MRI görüntülerinden makine öğrenme yöntemleriyle otomatik disk fıtığı tanısı
MERVE APAYDIN YUMUŞ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiAnkara Yıldırım Beyazıt ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER KARAL