MR görüntülerinden sürrenal lezyonların karakterizasyonu
Characterization of adrenal lesions by using MR images
- Tez No: 616876
- Danışmanlar: DOÇ. DR. RAHİME CEYLAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Sürrenal Lezyon, Manyetik Rezonans, Lezyon Segmentasyonu, Bilgisayar Destekli Teşhis, Lezyon Sınıflandırması, Adrenal Tumor, Magnetic Resonance, Tumor Segmentation, Computer Aided Diagnosis, Tumor Classification
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2016
Radyoloji ve Nükleer TıpTrakya ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. NERMİN TUNÇBİLEK
- 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
2017
Endokrinoloji ve Metabolizma HastalıklarıMarmara ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF. DR. TANJU YUSUF ERDİL
- 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
2023
Radyoloji ve Nükleer TıpZonguldak Bülent Ecevit ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. BANU ALICIOĞLU
- 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
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEMRA İÇER
- 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
2023
BiyomühendislikErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞERİFE GENGEÇ BENLİ