Classification of lung nodules in CT images using convolutional neural networks
BT görüntülerinde akciğer nodüllerinin evrişimsel sinir ağları kullanılarak sınıflandırılması
- Tez No: 489553
- Danışmanlar: DOÇ. DR. YEŞİM SERİNAĞAOĞLU DOĞRUSÖZ, PROF. DR. UĞUR HALICI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 119
Özet
Son yapılan çalışmalar her yıl yapılan düşük dozlu bilgisayarlı tomografi (BT) taramalarının, geleneksel göğüs radyolojisine göre akciğer kanserinin erken tespitinde %20 daha iyi sonuç verdiğini göstermiştir. Bu sebeple akciğerin BT ile incelenmesi tüm dünyada yaygınlaşmaktadır. Fakat bu görüntülerin analiz edilmesi radyologlar için ciddi bir yüktür. Bir BT taramasındaki görüntü sayısı 600'e kadar çıkabilmektedir. Bu sebeple bilgisayar destekli tespit sistemleri görüntülerin daha hızlı ve daha doğru tanınması için çok önemlidir. Bu çalışmada evrişimsel sinir ağları (ESA) kullanılarak akciğer BT görüntülerini analiz eden ve yanlış-pozitifleri azaltan bir yöntem geliştirilmiştir. Sinir ağı modeli, farklı boyutlardaki girdiler ile denenmiş ve girdi boyutunun sistemin performansına olan etkisi gösterilmiştir. Ayrıca, bir çok modelden elde edilen sonuçlar değişik kombinasyonlarda bir araya getirilerek başarım artırılmış ve bu yöntemin gücü gösterilmiştir. Sınıflandırılacak bilginin 3 boyutlu olması ve veriyi 2 boyutlu işlemenin bilgi kaybına yol açmasından dolayı 3 boyutlu evrişimsel sinir ağları kullanılmıştır. Önerilen yöntem LUNA16 Yarışması tarafından sağlanan veri seti üzerinde denenmiş ve tarama başına 1 yanlış pozitif oranında 0.831 duyarlılığına ulaşılmıştır.
Özet (Çeviri)
Recent studies have shown that lung cancer screening using annual low-dose computed tomography (CT) reduces lung cancer mortality by 20% compared to traditional chest radiography. Therefore, CT lung screening has started to be used widely all across the world. However, analyzing these images is a serious burden for radiologists. The number of slices in a CT scan can be up to 600. Therefore, computer-aided-detection (CAD) systems are very important for faster and more accurate assessment of the data. In this thesis, we proposed a framework that analyzes CT lung screenings using convolutional neural networks (CNNs) to reduce false positives. Our framework shows that even non-complex architectures are very powerful to classify 3D nodule data when compared to traditional methods. We trained our model with different volume sizes and showed that volume size plays a critical role in the performance of the system. We also used different fusions in order to show their power and effect on the overall accuracy. 3D CNNs were preferred over 2D CNNs because data was in 3D and 2D convolutional operations may result in information loss. The proposed framework has been tested on the dataset provided by the LUNA16 Challenge and got a sensitivity of 0.831 at 1 false positive per scan.
Benzer Tezler
- 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
- Akciğer bilgisayarlı tomografisinde insidental saptanan meme nodüllerinin evrişimli sinir ağları ile benign-malign olarak sınıflandırılması
Classification of breast nodules detected incidental in lung computerized tomography and as benign-malign with conversion neural networks
ZİŞAN ERTUNÇ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiYapay Zeka Ana Bilim Dalı
DOÇ. DR. İBRAHİM ÖNDER YENİÇERİ
- Detection of cancer area in lung images with the help of deep learning algorithms
Derin öğrenme algoritması ile akciğer görüntülerinde kanser alanının tespiti
SHIVAN HASAN MOHAMMED
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÇINAR
- Bilgisayar tomografili akciğer görüntülerinin değerlendirilmesinde kompleks değerli yeni bir akıllı sistem tasarımı
A new complex-valued intelligent system design on evaluating of the lung images with computerized tomography
MURAT CEYLAN
Doktora
Türkçe
2009
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜKSEL ÖZBAY
PROF. DR. OSMAN NURİ UÇAN
- Tıbbi görüntülemede bilgisayar destekli tespit
Computer aided detection in medical imaging
SERHAT ÖZEKES
Doktora
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF.DR. YILMAZ ÇAMURCU