Geri Dön

Machine learning based fusion of different segmentation techniques for liver visualization for enhanced accuracy and sensitivity

Karaciğerde başarımı ve duyarlılığı geliştirilmiş bölütleme için farklı yöntemlerin makina öğrenmesi tabanlı en iyilenmiş füzyonu

  1. Tez No: 639135
  2. Yazar: ALİ EMRE KAVUR
  3. Danışmanlar: DOÇ. DR. MUSTAFA ALPER SELVER
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 172

Özet

Tıbbi görüntüleme, sağladığı anatomik veriler sayesinde kliniklerde kullanılan önemli bir araçtır. Tıbbi görüntü analiz araçları istenilen yapıya odaklanmak için segmentasyon yöntemleri sağlarlar. Bu yöntemler; tanı, anatomik yapı analizi, cerrahi planlama gibi çeşitli işlemlerinde çok önemli bir role sahiptir. Karaciğer, görüntüleme ve segmentasyon talebi en yüksek olan organlarından biridir. Literatürdeki çeşitli segmentasyon yöntemlerine rağmen, artık Derin Öğrenme Modelleri (DM'ler), geliştirilen diğer yöntemlerden çok daha başarılı sonuçlar üretmektedir. Bununla birlikte, DM'lerin etkinliği büyük ölçüde kullanıcı deneyimine, özel tasarım prosedürlerine ve veri özelliklerine bağlıdır. Ayrıca, DM'ler tasarımları gereği eğitim verilerine oturma eğilimindedir. Bu nedenle, DM'leri içeren çalışmaların tekrarlanabilirliği hala sınırlıdır. DM tabanlı segmentasyon yöntemlerinin sorunlarını ortadan kaldırmak için; farklı segmentasyon metotlarının füzyonu alternatif bir yaklaşım olarak kullanılabilir. Bu tezde, segmentasyon yöntemleri için yeni karşılaştırma platformlarının oluşturulması, füzyon yöntemlerinin tıbbi görüntü segmentasyonu uygulamalarına analizi ve adaptasyonu, ve yeni bir topluluk yönteminin tasarlanması ile ilgili yeni çalışmalar sunulmaktadır. Bu tezde elde edilen bulguların ve önerilen çözümlerin akademik çalışmalar ile bunların gerçek hayattaki uygulamaları arasındaki engelleri ortadan kaldırmaya yardımcı olması hedeflenmektedir.

Özet (Çeviri)

Medical imaging is a vital resource in medicine, improving quality, sensitivity, and objectiveness of diagnosis by providing unique information. Medical image analysis tools provide segmentation capabilities to focus on a specific structure of interest. Thus, segmentation methods play a crucial role to support a variety of imaging operations such as diagnosis, structural analysis, treatment and surgery planning. The liver is one of the abdomen organs with the highest imaging demand. This situation increases the need for the segmentation of the liver. Despite the various segmentation methods in the literature, the success of them developed up to the last decade is now outperformed by Deep Learning Models (DMs). However, DMs' effectiveness is highly dependent to user experience, specific design procedures, and the data characteristics. Besides, DMs tend to overfit to the training data due to the fundamentals of their designs. Thus, the reproducibility of analytical studies involving DMs are still limited. To eliminate all problems of DM based segmentation methods; fusion of multiple segmenters can be used as an alternative approach. In this thesis, novel studies on creating new benchmark platforms for segmentation methods, analysis and adaptation of ensemble methods to medical image segmentation applications, and designing of a new ensemble method are presented. It is expected that the findings and proposed solutions in this thesis will help to remove barriers between academic studies and their implementations in real-world applications.

Benzer Tezler

  1. Design of speaker diarization with speaker embeddings

    Konuşmacı katıştırmaları ile konuşmacı günlükleme tasarımı

    MUHAMMET MESUT TORUK

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilim ve TeknolojiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET SERBES

    DOÇ. DR. GÖKHAN BİLGİN

  2. Yüksek çözünürlüklü uydu görüntüleri kullanarak benzer spektral özelliklere sahip doğal nesnelerin ayırt edilmesine yönelik bir metodoloji geliştirme

    Developing a methodology for discriminating natural objects having spectrally similar features using very high resolution satellite imagery

    İSMAİL ÇÖLKESEN

    Doktora

    Türkçe

    Türkçe

    2015

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. TAHSİN YOMRALIOĞLU

  3. Land cover and land use classification of multi-modal high-resolution satellite images using multi-task deep learning approach

    Çok görevli derin öğrenme tekniği ile çok kipli yüksek çözünürlüklü uydu görüntülerinin arazi örtüsü ve arazi kullanımı sınıflandırılması

    BURAK EKİM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  4. Satellite images super resolution using generative adversarial networks

    Uydu görüntülerinde çekişmeli üretici ağ kullanarak süper çözünürlük

    MARYAM SERDAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. AHMET HAMDİ KAYRAN