Automatic segmentation, quantification and rating of periventricular white matter hyperintensity in demented patients
Demanslı hastalarda perventriküler beyaz cevher hiperintensitesinin otomatik bölütlenmesi, ölçümü ve derecelendirilmesi
- Tez No: 511657
- Danışmanlar: DOÇ. DR. DEVRİM ÜNAY
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Beyaz cevher hiperintensitesi, Periventriküler lezyonlar, Beyaz cevher hiperintensite imzası, Makina öğrenmesi, Şartlı rastgele alanlar, Bölütleme, Ölçüm, Derecelendirme, Sayısal görüntü işleme, Demans, White matter hyperintensity, Periventricular lesions, White matter hyperintensity signature, Machine learning, Conditional random fields, Segmentation, Quantification, Rating, Digital Image Processing, Dementia
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Bu tez, periventriküler beyaz cevher hiperintensitesinin otomatik bölütlenmesi ve özgün biçimde derecelendirilmesinin yanısıra bölütleme ve derecelendirme yöntemlerinin sınandığı iki verisetini detaylandırmaktadır. Geçmiş çalışmalarda gösterildiği üzere beyaz cevher hiperintensitesi Alzheimer hastalığının biyo-işaretlerinden biridir. Beyaz cevher lezyonlarının iki türü (periventriküler ve derin) lezyonların uzamsal ve anatomik lokalizasyonlarına bağlı olarak tanımlanır ve farklı nörodejeneratif hastalıklara işaret eder. Periventriküler beyaz cevher lezyonları demans ile ilişkilendirilmiş olduğundan çalışmamız bu lezyonların bölütlenmesi ve derecelendirilmesine odaklanmıştır. Sunulan yöntemler elle bölütleme maskelerini de içeren, farklı özelliklere sahip, görsel derecelendirilmeleri aynı uzmanlar tarafından gerçekleştirilmiş iki verisetinde sınanmıştır. Üç lezyon bölütleme yöntemi sunulmuş, şartlı rastgelen alanlar temelli yöntemin eşikleme ve destek vektör makinaları temelli olanlara üstünlüğü gösterilmiştir. Eşikleme temelli yöntemin nispeten düşük başarımı, yöntemin basit ve hızlı ancak esnek olmayan doğasına bağlıdır. Dice örtüşme skoru cinsinden sunulan sonuçlar destek vektör makinalarının başarımının daha yüksek olduğunu göstermiştir. Ancak her iki yöntemde de piksel komşuluk ilişkileri dikkate alınmadığından, özellikle küçük lezyonlu vakalarda başarımları iyi değildir. Öte yandan şartlı rastgele alanlar oldukça iyi bölütleme sonuçları üretmiştir. Ayrıca, komşuluk ilişkileri de kullanıldığında bölütleme yöntemlerinin başarımı iyileşmektedir. Çalışmamızın özgün katkılarından biri beyaz cevher hiperintensite imzasıdır. Periventriküler beyaz cevher hiperintensitesinin görselleştirilmesinde ve otomatik derecelendirilmesinde yeni bir araç olarak geliştirilmiştir. Birlikte çalıştığımız tıbbi uzmanlar tarafından geliştirilen derecelendirme skalası temel alınarak imzanın öznitelikleri çıkartılmış, bir sınıflandırıcı eğitilmiş ve yeni vakaların periventriküler dereceleri kestirilmiştir. Yöntemin başarımı MS Challenge verisetinde çok yüksek iken Bayındır verisetinde makul seviyededir. Detaylı analizler ve tartışmalar sonucunda, dengesiz veri problemine makina öğrenmesi ve sağlık alanlarında sıkça rastlandığının altını çizerek, daha dengeli bir veriseti kullanıldığında yöntemimizin kestirim doğruluğunun (prediction accuracy) artacağını öngörüyoruz.
Özet (Çeviri)
This thesis details the automatic segmentation and novel rating of periventricular white matter hyperintensity as well as the two datasets on which the segmentation and rating algorithms were tested. White matter hyperintensity, as revealed by various studies, is a biomarker of Alzheimer's disease among others. The two types of white matter lesions (periventricular and deep), based on their spatial and anatomical location, point to distinctive neurodegenerative diseases. The perivetricular white matter lesions are associated with dementia, which is why our study focuses on the segmentation and rating of such lesions. The algorithms presented were tested on two datasets that have manual segmentation masks and possess different characteristics, but were rated by the same experts. Three lesion segmentation algorithms are presented and the superiority of Conditional Random Fields over the thresholding and Support Vector Machines based algorithms is demonstrated. The relatively low performance of the thresholding based algorithm was expected due to its simple and fast but rigid nature. The results, presented in terms of the Dice score, improved with support vector machines. However, since neither of algorithms take pixel neighborhood dependencies into account, they did not perform well, particularly on subjects with small lesions. Conditional random fields on the other hand, produced highly accurate segmentation results. We concluded that the application of machine learning based algorithms are necessary for the automatic segmentation of white matter lesions. Furthermore, the result of segmentation is improved by the incorporation of neighborhood dependencies. The white matter hyperintensity signature is a novel contribution of our work. It is developed as a new tool for visualization and automatic rating of periventricular white matter. Based on the rating scale developed by our clinical experts, features from the signature were extracted, a classifier was trained and periventricular grades of future unseen subjects were predicted. The results obtained from the MS Challenge dataset were excellent while those from the Bayindir dataset were acceptable. After analyses and discussions, we acknowledge that our prediction accuracy would improve with a more balanced dataset even though the problem of data imbalance is prevalent in the fields of machine learning and medicine.
Benzer Tezler
- 3-D automatic segmentation and modelling of cartilage compartments in high-field magnetic resonance images of the knee joint
Diz ekleminin yüksek alan manyetik rezonans görüntülerinde kıkırdak bölgelerini 3-B otomatik bölütleme ve modelleme
CEYDA NUR ÖZTÜRK
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SONGÜL ALBAYRAK
- Manyetik rezonans görüntülerinden Legg-Calve-Perthes hastalığına bağlı proksimal femur şekil bozulmalarının otomatik olarak ölçülmesi
Automatic quantification of proximal femur shape deformities caused by the Legg-Calve-Perthes disease from magnetic resonance images
ABBAS MEMİŞ
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SONGÜL VARLI
- Image analysis for contrast enhanced ultrasound carotid plaque imaging
Başlık çevirisi yok
ZEYNETTİN AKKUŞ
- Otomatik gürbüz bölütleme ile uyluk MR imgelerinde kas ve yağ miktarlarının belirlenmesi
Quantification of muscle and fat volumes in the thigh MR images using automatic robust segmentation
İSMAİL IRMAKÇI
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDOĞAN SAVRAN
YRD. DOÇ. DR. ULAŞ BAĞCI
- Mikroskopik floresan görüntüleme ile otomatik miyelin kantitasyonu
Automated myelin quantification with microscopic fluoresence imaging
SİBEL ÇİMEN
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT ENGİN AYTEN
PROF. DR. BEHÇET UĞUR TÖREYİN