Beyin tümörü tespiti için derin öğrenme ile mr görüntülerinin bölütlenmesi
Screening the mr images with deep learning for determination of brain tumor
- Tez No: 536887
- Danışmanlar: DR. ÖĞR. ÜYESİ EMİN ARGUN ORAL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 86
Özet
Beyin tümörlerinin büyüklüğü ve boyutlarının belirlenmesi teşhis ve tedavide oldukça zaman alıcı ve zahmetli bir iş olduğu bilinmektedir. MRG görüntüleri beyin tümörlerinin tespit edilmesinde en önemli yöntemlerden biridir. Ancak MRG görüntülerinde tümörlerin hacimsel büyüklükleri otomatik olarak belirlenememektedir. Bunu belirlemek için manuel yöntemler kullanılmaktadır. Bu da zaman ve emek açısından hayli zahmetli bir işlemdir. Bu çalışmada U-Net tabanlı bir CNN ağı kullanarak beyin tümörlerinin hacimsel segmentasyonu yapılmaya çalışılmıştır. Bu çalışma, BRATS 2017 veri seti kullanılarak eğitilip daha sonra test ve doğrulama işlemi yapılmıştır. Elde edilen sonuçlardan yola çıkarak yapılan çalışmanın beyin tümörlerinin segmentasyonu işleminde oldukça başarılı olduğu görülmüştür. Bu da çalışmamızın daha da geliştirildikten sonra otomatik olarak beyin tümörlerinin segmentasyon işlemini yapacağı ortaya çıkmıştır.
Özet (Çeviri)
Determination of the size of brain tumors is known to be a time consuming and troublesome work in diagnosis and treatment. MRI images are one of the most important methods for detecting brain tumors. However, the volume magnitudes of tumors can not be determined automatically on MRI images. Manual methods are used to determine this. This is a time-consuming and labor-intensive process. In this study, volumetric segmentation of brain tumors was attempted using a U-Net based CNN network. This study was trained using the BRATS 2017 data set and then tested and verified. From the results obtained, it has been seen that the study done by going out of the way is quite successful in the segmentation of brain tumors. This means that our brain will be automatically segmented after our work is further improved.
Benzer Tezler
- 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
- Diagnosis of brain cancer and contour normal tissue for radiation therapy based on deep learning methods
Derin öğrenme yöntemleriyle radyoterapi için beyin kanseri tanisi ve normal doku ayrimi
NAVID HALILI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Beyin MR görüntülerinin görüntü işleme teknikleri kullanılarak sınıflandırılması
Classification of brain mr images using image processingtechniques
ERCÜMENT GÜVENÇ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEVLÜT ERSOY
DOÇ. DR. GÜRCAN ÇETİN
- Beyin MR görüntülerinin akıllı yöntemler ile sınıflandırılması, kümelenmesi ve bölütlenmesi
Classification, clustering and segmentation of brain MR images by intelligent methods
FARUK ALTUNTAŞ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR BECERİKLİ
- Derin öğrenme yöntemlerini kullanarak MR görüntülerinden otomatik tümör tespiti
Automatic tumor detection from brain MRI images using deep learning techniques
NECİP ÇINAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KAYA