Detection and 3D modeling of brain tumors using image segmentation methods and volume rendering techniques
Görüntü segmentasyon yöntemleri ve hacim oluşturma teknikleri kullanılarak beyin tümörlerinin saptanması ve 3 boyutlu modellemesi
- Tez No: 609754
- Danışmanlar: PROF. DR. ULUS ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Beyin içindeki hücrelerin anormal ve kontrolsüz büyümesine beyin tümörü denir. Beyin tümörleri taşıdıkları riske göre düşükten yükseğe doğru olmak üzere birinci dereceden, dördüncü dereceye kadar derecelendirilir. Bu nedenle tümör ne kadar erken tespit edilip müdahale edilirse tedavi de o kadar başarılı olur. Hasarlı beyin dokusu ve fonksiyonel bozukluklarının iyileşmesi zor olduğundan, tümörü erken tespit etmek ve daha fazla yayılmadan önce almak önemlidir. Ancak, bu işlem sırasında sağlıklı dokulara zarar verme riski vardır. Bu nedenle, tümörün yeri, büyüklüğü ve beynin içinde nasıl yayıldığı hakkında daha fazla bilgi sahibi olunur ise, operasyonun başarı oranı büyük ölçüde artacak ve risk en aza indirilecektir. Manyetik Rezonans Görüntüleme (MR), beyin tümörünün tespiti için en etkili görüntüleme yöntemidir. MR görüntüleri 2D kesitlerde oluşmaktadır. Bu görüntülerle, tümör tespit edilebilir, ancak tek bir kesit görüntüsünden şekli ve yayılması hakkında kesin bir bilgi elde edilemez. Bununla birlikte, MRI görüntülerini işleyerek daha fazla bilgi edinmek mümkündür. Hacimsel Gösterim yöntemleri ile 2D kesitlerden 3D görüntü elde edilebilir, ancak amaç beyin tümörünün 3D görüntüsünü elde etmek olduğunda, hacimsel gösterim yöntemleri kullanmadan önce görüntü segmentasyonu algoritmaları kullanılarak tümörlü dokular normal beyin dokularından ayrılmalıdır. Görüntü segmentasyonu başarı ile yapıldıktan sonra hacimsel gösterim kullanılarak 3D görüntüye ulaşılabilir. Bu tezde geliştirilen yazılım ile MR görüntüleri girdi olarak alınmakta ve otomatik olarak işlenmektedir. İşlemler bittikten ve tespit tamamlandıktan sonra, tespit edilen tümörün 3D şekli yeniden oluşturulur ve özellikleri gözlenebilir.
Özet (Çeviri)
The abnormal and uncontrollable growth of cells inside the brain is called a brain tumor. Brain tumors are graded from the first degree to the fourth degree, from low to high depending on the risk they carry. Therefore, the sooner the tumor is detected and intervened, the more successful the treatment will be. Because the damaged brain tissue and its functional disorders are difficult to recover, it is important to detect the tumor early and remove it before a further spread. However, there is a risk of damaging healthy tissues during this operation. However, if you have more information about the tumor's location, size and how it spreads inside the brain, the success rate of the operation will be greatly increased and the risk will be minimized. Magnetic Resonance Imaging (MRI) is the most effective imaging method for the detection of the brain tumor. MRI images consist of 2D slices. With these images, the tumor can be detected, but no precise information about its shape and spread can be obtained from individual slices. However, it is possible to obtain more information by processing the MRI images. A 3D image can be obtained from 2D slices with volume rendering, but to obtain a 3D image of the brain tumor, first tumor tissue must be separated from the normal brain tissues using image segmentation algorithms. After a successful image segmentation, the 3D image can be obtained using volume rendering on processed images. In this thesis, with the developed software, MRI images are taken as input and they are automatically processed. After the process is finished and the detection is completed the 3D shape of the detected tumor is re-created and its features can be observed.
Benzer Tezler
- 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
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Deep learning approaches for multiple sclerosis lesion segmentation using multi-sequence 3D MR images
Çok sekanslı 3B MR görüntüleri kullanılarak multiple skleroz lezyon bölütlemesi için derin öğrenme yaklaşımları
BEYTULLAH SARICA
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Unsupervised anomaly detection on brain fractional anisotropymaps by inpainting with denoising diffusion probabilistic models
Gürültü giderici difüzyon olasılık modelleri ile iç boyamayoluyla beyin fraksiyonel anizotropi haritalarındadenetimsiz anormallik tespiti
BURHAN YUSUF ARAT
Yüksek Lisans
İngilizce
2023
Bilim ve TeknolojiYeditepe ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANDAÇ HAMAMCI
- Medikal görüntüler için yeni bir bölütleme algoritması ve analiz uygulaması
A new segmentation algorithm for medical images and analysis application
SERHAT CAN
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET SERDAR GÜZEL