Geri Dön

Manyetik rezonans spektroskopi sinyalleri kullanılarak uzun kısa süreli bellek tipi derin sinir ağları ile sahte beyin tümörlerinin bilgisayar destekli tespiti

Computer-assisted detection of pseudo brain tumors using lstm deep neural networks on magnetic resonance spectroscopy signals

PDF İndir

  1. Tez No: 645058
  2. Yazar: SEMİH KARACA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EMRE DANDIL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Nöroloji, Computer Engineering and Computer Science and Control, Science and Technology, Neurology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Bilecik Şeyh Edebali Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 76

Özet

Manyetik rezonans spektroskopi (MRS) günümüzde beyin tümörlerinin tespitinde kullanılan müdahalesiz araçlardan biridir. Biyopsi gibi ameliyata bağlı enfeksiyon ve ölüm riski getirmediği için hekimler tarafından son yıllarda yaygın olarak tercih edilmektedir. MRS beyinle ilgili metabolik bir profil sunmaktadır. Bu profilde tümör ve sahte tümörlerin MRS örüntüleri birbirleri ile benzerlik gösterebilmektedir. Bu sebepten dolayı beyin tümörünün doğru teşhisi ve sınıflandırılması, hastanın tedavi planlaması açısından hayati bir önem taşımaktadır. Bu çalışmada, MRS verileri kullanılarak, derin sinir ağları ile gerçek beyin tümörleri ve normal beyin dokusu ile sahte beyin tümörlerinin ikili sınıflandırılması sağlanmıştır. Çalışma kapsamında yürütülen deneysel çalışmalarda, Uzun Kısa Süreli Bellek (UKSB) ve Çift Yönlü Uzun Kısa Süreli Bellek (ÇY-UKSB) derin sinir ağları mimarileri kullanılmıştır. Bu çalışmada deneysel çalışmalar için, INTERPRET (International Network for Pattern Recognition of Tumours using Magnetic Resonance) veritabanında bulunan 29 adet glioblastom beyin tümörü, 26 adet normal beyin dokusu, 19 adet metastatik beyin tümörü, 9 adet diffüz astrositom beyin tümörü ve 9 adet sahte beyin tümörüne ait MRS sinyalleri kullanılmıştır. UKSB sinir ağlarının eğitimi ve test edilmesi için çok sayıda tümör ve sahte tümöre ait MRS verisini elde etmek gerçek dünyada zor bir prosedürel süreç olduğundan, ağ eğitilmeden ve test edilmeden önce, MRS veriseti için veri büyütme (çoğaltma) yöntemleri ile veri sayısı çoğaltılmıştır. UKSB sinir ağları bu veriler ile eğitilmiş ve test edilmiştir. Kullanılan UKSB sinir ağlarının eğitim ve testleri esnasında her model için tekrarlı k-kat çapraz doğrulama yöntemi kullanılmıştır. Eğitimler, her model için 5 kat ve 10 tekrar ile yapılmıştır. MRS verilerini bilgisayar destekli ikili sınıflandırmaya dayalı bir yöntem öneren bu çalışma sonucunda, geliştirilen uygulama ile yapılan testlerde, glioblastom beyin tümörü ve sahte beyin tümör sınıflandırmasında UKSB modeli ile %93.44, diffüz astrositom beyin tümörü ve sahte beyin tümörü sınıflandırmasında ÇY-UKSB modeli ile %85.56, metastatik beyin tümörü ve sahte beyin tümörü sınıflandırmasında UKSB modeli ile %88.33 ve normal beyin dokusu ve sahte beyin tümörü sınıflandırmasında ÇY-UKSB modeli ile %99.23 doğruluk başarımı elde edilmiştir.

Özet (Çeviri)

Magnetic resonance spectroscopy (MRS) is one of the non-invasive tools used in the detection of brain tumors at the present time. It has been widely preferred by physicians in recent years because it does not pose the risk of infection and death due to surgery like biopsy. MRS provides a metabolic profile about the brain. In this profile, MRS patterns of the tumors and pseudo tumors can be similar to each other. For this reason, accurate diagnosis and classification of brain tumor is of vital importance for the patient's treatment planning. In this study, using MRS data, a binary classification of actual brain tumors and normal brain tissues against pseudo brain tumors was provided with deep neural networks. In the experimental studies conducted within the scope of the study, Long Short Term Memory (LSTM) and Bi-directional Long Short Term Memory (Bi-LSTM) deep neural network architectures were used. For experimental studies in this study, MRS signals of 29 glioblastoma brain tumors, 26 normal brain tissues, 19 metastatic brain tumors, 9 diffuse astrocytoma brain tumors and 9 pseudo brain tumors in the INTERPRET (International Network for Pattern Recognition of Tumours using Magnetic Resonance) database were used. Since obtaining MRS data from a large number of tumors and pseudo tumors for training and testing of LSTM neural networks is a difficult procedural process in the real world, the number of data for the MRS dataset has been increased by data augmentation (replication) methods before the network was trained and tested. LSTM neural networks have been trained and tested with these data. During the training and testing of the LSTM neural networks, repeated k-fold cross validation method was used for each model. Neural network trainings were carried out with 5 folds and 10 repetitions for each model. As a result of this study, which proposed a method based on computer aided binary classification of MRS data, in the tests performed with the developed application, an accuracy of 93.44% with LSTM model in glioblastoma brain tumor and pseudo brain tumor classification, an accuracy of 85.56% with Bi-LSTM model in diffuse astrocytoma brain tumor and pseudo brain tumor classification, an accuracy of 88.33% with LSTM model in metastatic brain tumor and pseudo brain tumor classification and an accuracy of 99.23% with Bi-LSTM model in normal brain tissue and pseudo brain tumor classification were obtained.

Benzer Tezler

  1. Tez No

    567141

    MR spektroskopi verileri üzerinde beyin tümörlerinin bilgisayar destekli otomatik evrelenmesi

    Computer-aided automated grading of brain tumors on MR spectroscopy signals

    ALİ BİÇER

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRE DANDIL

  2. Tez No

    526754

    Meme tümörlerinin çok geniş bantlı radar tabanlı mikrodalga yöntemiyle tespiti

    Detection of the breast tumors by ultra-wideband radar based microwave method

    ALİ RECAİ ÇELİK

    Doktora

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED BAHADDİN KURT

    PROF. DR. SELÇUK HELHEL

  3. Tez No

    709824

    Heuristic algorithms for solving chemical shift assignment problem in protein structure determination

    Sezgisel algoritmalar ile protein yapı belirlemesindeki kimyasal kayma atama probleminin çözümü

    EMEL MADEN YILMAZ

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE ŞİMA UYAR

    PROF. DR. PETER GÜNTERT

  4. Tez No

    389416

    A novel AAO based sers substrate for characterization for characterization of proteins

    Yüzeyce güçlendirilmiş raman spektroskopisi ile protein karakterizasyonu için AAO şablonlar ile altlik üretimi

    ZEHRA BERİL AKINCI

    Doktora

    İngilizce

    İngilizce

    2013

    Biyolojiİstanbul Teknik Üniversitesi

    Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA KAMİL ÜRGEN

  5. Tez No

    640239

    Predicting carbon spectrum in heteronuclear single quantum coherence spectroscopy for online feedback during surgery

    Başlık çevirisi yok

    EMİN ONUR KARAKAŞLAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ABDULLAH ERCÜMENT ÇİÇEK

Geri Dön