Geri Dön

MR görüntülerinden sürrenal lezyonların karakterizasyonu

Characterization of adrenal lesions by using MR images

  1. Tez No: 616876
  2. Yazar: MÜCAHİD BARSTUĞAN
  3. Danışmanlar: DOÇ. DR. RAHİME CEYLAN
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Sürrenal Lezyon, Manyetik Rezonans, Lezyon Segmentasyonu, Bilgisayar Destekli Teşhis, Lezyon Sınıflandırması, Adrenal Tumor, Magnetic Resonance, Tumor Segmentation, Computer Aided Diagnosis, Tumor Classification
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Konya Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 106

Özet

Sürrenal lezyonlar böbreküstü bezlerinde oluşan ve kötü huylu olabilen bir lezyon çeşididir. Böbreküstü bezleri karaciğer, omurilik, pankreas ve dalak arasında yer almaktadır. Bundan dolayı, böbreküstü bezleri üzerinde oluşan lezyonların, çevresindeki organlara yapışık olma ihtimali de bulunmaktadır. Bu ihtimal, sürrenal lezyonların segmentasyonunda ve sınıflandırılmasında bir problem olarak ortaya çıkmaktadır. Düşük kontrast, lezyonun şekil, büyüklük ve gri seviye çeşitliliği, segmentasyonu zorlaştıran etkenlerdendir. Ayrıca, farklı tür lezyonların birbirine yakın gri seviyeye sahip olmaları, aynı tür lezyonların şekil ve gri seviye açısından farklı olmaları da sınıflandırma başarısını düşüren problemlerden bazılarıdır. Gerçekleştirilen tez çalışmasında, Manyetik Rezonans (MR) görüntülerinden sürrenal lezyon segmentasyonu ve sınıflandırması için bahsedilen problemleri ortadan kaldırabilen bir Bilgisayar Destekli Teşhis (BDT) sistemi tasarlanmıştır. Önerilen BDT sistemi iki ana aşamadan oluşmaktadır. İlk aşamada sürrenal lezyon segmentasyonu, ikinci aşamada ise sürrenal lezyon sınıflandırması yapılmıştır. Tez çalışması, Selçuk Üniversitesi Tıp Fakültesi Radyoloji Anabilim Dalı'ndan alınan 114 MR görüntüsü ile gerçekleştirilmiştir. Sürrenal lezyon segmentasyonu için önerilen sistem ile lezyonların sahip olduğu bazı problemler ortadan kaldırılmış ve %82,09 Dice Katsayısı, %71,24 Jaccard Oranı, %99,84 Doğruluk değerlerine ulaşılmıştır. Önerilen BDT sisteminin ikinci aşamasında; sürrenal lezyonların iyi huylu ve kötü huylu olarak sınıflandırılmasında, Destek Vektör Makineleri ile %98,4 doğruluk ve %99,13 F-skor değeri elde edilmiştir. İkinci aşamada ek olarak; sürrenal lezyonların tür karakterizasyonunda, Yapay Sinir Ağları ile %93,19 doğruluk ve %54,94 F-skor değeri elde edilmiştir. Ayrıca, tez çalışmasında kullanılan görüntülerde gürültü analizi yapılmış ve sınıflandırmaya olan etkileri incelenmiştir.

Özet (Çeviri)

Adrenal tumors occur on adrenal glands and can be malign. Adrenal glands are placed between liver, spinal cord, pancreas, and spleen. Therefore, tumors that occur on adrenal glands can be adherent to neighbor organs. This is a problem in segmentation and classification of adrenal tumors. Low contrast, shape, size, and grey-level varieties of the tumors are some of the factors, which complicate the segmentation. Also, the problems such as different tumors have similar grey-level and the same tumors are different according to their shapes and grey-levels situations reduces the classification performance. This study propose a Computer Aided Diagnosis (CAD) system, which can eliminate the mentioned problems, to segment and classify adrenal tumors on Magnetic Resonance (MR) images. The proposed CAD system consists of two main stages. The first stage is adrenal tumor segmentation, and the second stage is adrenal tumor classification. This study was performed on 114 MR images that were taken from Radiology Department of Medicine Faculty at Selcuk University. Some of the problems of tumors were removed during segmentation and Dice Coefficient, Jaccard Rate and Accuracy metrics were obtained as 82.09%, 71.24%, %99.84, respectively. In the second stage of CAD system; during the adrenal tumor classification as benign or malign, accuracy and F-score metrics were obtained as 98.4% and 99.13% by Support Vector Machines classifier. In addition, during the adrenal tumor type characterization, accuracy and F-score metrics were obtained as 93.19% and 54.94% by Artificial Neural Networks classifier. In addition, the noise analysis were implemented on the images used and effects of noises in the images to classification process were analyzed in this study.

Benzer Tezler

  1. Sürrenal kitlelerde dinamik manyetik rezonans ve difüzyon ağırlıklı görüntülemenin tanıya katkısı

    The role of diffusion weighted magnetic resonance imaging and dynamic magnetic resonance imaging in di̇fferentiating adrenal masses

    VELİ ERMİŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2016

    Radyoloji ve Nükleer TıpTrakya Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. NERMİN TUNÇBİLEK

  2. I-123 MIBG, Ga-68 DOTA-PET ve 24 saatlik idrar metabolitleri ile erken-geç ga-68 dota-pet görüntülerindeki tutulum paterninin feokromositoma tanısındakı etkinliğinin karşılaştırılması

    Comparison of i- I-123 MIBG, Ga-68 DOTA PET, 24 hours urine metabolites and early-late ga-68 image retention patern for pheochromacytoma diagnosis effectiveness.

    ARİA FOROUZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Endokrinoloji ve Metabolizma HastalıklarıMarmara Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    PROF. DR. TANJU YUSUF ERDİL

  3. Erken evre Karaciğer Siroz'unda meydana gelen morfolojik değişikliklerin BT ve MRG ile araştırılması

    Investigation of morphological changes in early stage liver cirrhosis with CT and MRI

    BARIŞ CAN ARSLAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Radyoloji ve Nükleer TıpZonguldak Bülent Ecevit Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. BANU ALICIOĞLU

  4. MR görüntülerinden beynin bölümlerinin segmentasyonuna dayalı beyaz ve gri cevher bölümlerinin değerlendirilmesi

    Gray and white matter on MR images sections of brain-based evaluation of sections segmentation

    SEMA ÖKDEM

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SEMRA İÇER

  5. Yapısal MR görüntülerinden makine öğrenimi yöntemleri kullanılarak şizofreninin sınıflandırılması

    Classification of schizophrenia using machine learning methods from structral MR images

    MERVE ANDAÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    BiyomühendislikErciyes Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞERİFE GENGEÇ BENLİ