Convolutional neural network based brain MRI segmentation
Evrişimli sinir ağları tabanlı beyin MRI bölütlemesi
- Tez No: 514958
- Danışmanlar: PROF. DR. GÖZDE AKAR
- 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: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 117
Özet
İnsan vücudunun iç kısımlarının görselleştirilmesi, modern tıp için önemlidir. Manyetik rezonans görüntüleme (MRG) en yaygın kullanılan tıbbi görüntüleme yöntemlerinden biridir. Ancak MRG'lerin el ile analizi, uzmanların değerli zamanlarını boşa harcamaktadır. Beyin MRG'leri için otomatik bir bölütleme yönteminin geliştirilmesi, uzmanlar tarafından harcanan zamandan tasarruf sağlayabilir ve insan hatası faktörünü önleyebilir. Bu tezde, evrişimli sinir ağları (ESA) tabanlı yöntemler beyin MRG bölütlemesi problemine uygulanmıştır. Kullanılan temel mimariler FCN-8 ve U-NET'dir. Farklı yaklaşımların performansı, yapısal modifikasyonlar, örnekleme yöntemleri, aktivasyon fonksiyonları, kayıp fonksiyonları, ön işlem ve işleme sonrası yöntemlere odaklanarak analiz edilmiştir. Aktivasyon fonksiyonları için ReLU, LReLU, PReLU ve tanh denenmiştir. Ön işleme için histogram eşleştirme, normalleştirme ve histogram eşitleme uygulanmıştır. Koşullu rastgele alanlar ve 3 boyutlu bağlantılı bileşen analizi, ağa post-işlemciler olarak ayrı ayrı entegre edilmiştir. Sonuçlar, Dice skoru, duyarlılık ve özgüllük açısından karşılaştırılmıştır. Deneysel sonuçlar iki U-Net'den oluşan kombinasyonun en iyi performansa sahip olduğunu göstermektedir. Genişleme modülleri, sığ bir ağa yerleştirildiğinde sonuçları iyileştirmiştir. Ek artık bağlantılar ile birleştirildiğinde, genel sonuçları da iyileştirdiği gözlenmiştir. Başlangıç modülleri dikkate değer bir performans artışı sağlamamıştır. ReLU ve PReLU en iyi performansı göstermiştir. Farklı üst-örnekleme yöntemlerinden elde edilen sonuçlar arasında anlamlı bir farklılık gözlenmemiştir; ancak, çift doğrusal aradeğerleme, eğitilebilir olmamasına rağmen, biraz daha iyi sonuçlara sahiptir.
Özet (Çeviri)
Visualization of the inner parts of human body is crucial in modern medicine and magnetic resonance imaging(MRI) is one of the widely used medical imaging methods. Manual analysis of MRIs, however, wastes the valuable time of experts. Development of an automatic segmentation method for brain MRIs can save time spent by the experts and can avoid human error factor. In this thesis, convolutional neural network (CNN) based methods are applied on brain MRI segmentation problem. The basic architectures used are FCN-8 and U-NET. Performance of different approaches has been analyzed by focusing on structural modifications, upsampling methods, activation functions, loss functions, pre-processing and post-processing methods. For the activation functions, ReLU, LReLU, PReLU and tanh are experimented. Histogram matching, normalization and histogram equalization have been applied for pre-processing. Conditional random fields and a 3 dimensional connected component analysis are separately integrated to the network as post-processors. Results are compared in terms of dice score, sensitivity and specificity. The experimental results show that the combination of two separate U-Nets has the best performance. Dilation modules also improve the results when inserted on a shallow network. When combined with additional residual connections, they have also improved the overall results. Inception modules do not provide a remarkable performance improvement. ReLU and PReLU have shown the best performance. No significant difference have been observed between results obtained from different upsampling methods, although bilinear interpolation, despite being non-trainable, has slightly better results.
Benzer Tezler
- An automated convolutional neural network model for the detection of brain tumours using MRI images
Başlık çevirisi yok
RAWAA ABAID MAHAL MAHAL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Detection and classification of brain tumors in MRI images using deep convolutional neural network
Başlık çevirisi yok
HUSSEIN ALISMAEELI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Exploring fusion models in computer vision for medical image computing
Başlık çevirisi yok
DUYGU SARIKAYA
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolState University of New York at BuffaloDr. JASON J. CORSO
- Parkinson hastalarının dikkat fonksiyonlarına ait beyin aktivasyonlarının fonksiyonel MRG ile incelenmesi ve evrişimsel sinir ağları ile sınıflandırılması
Analysis of the brain activations of attention functions of Parkinson patients with functional MRI and classification with conventional neural networks
NUR YILMAZ
Yüksek Lisans
Türkçe
2022
BiyomühendislikSelçuk ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜZİN ÖZMEN
- Beyaz cevher hiperintensitelerinin derin öğrenme teknikleri kullanılarak beyin manyetik rezonans görüntülerinden otomatik tespiti
Automatic detection of white matter hyperintensities using deep learning techniques on brain magnetic resonance images
GÖKHAN UÇAR
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL