Derin öğrenme ve morfolojik görüntü işleme yöntemleri ile MR görüntülerinde otomatik menüsküs segmentasyonu
Automatic segmentation of meniscus in MRI using deep learning and morphological image processing
- Tez No: 647173
- Danışmanlar: DOÇ. DR. ORHAN ER
- Tez Türü: Doktora
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Yozgat Bozok Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
İnsan anatomisinde önemli bir işlevi olan menüsküsün muayenesinde Manyetik Rezonans (MR) Görüntüleme önemli bir rol oynamaktadır. MR görüntülerinin çeşitliliği dolayısıyla geleneksel görüntü işleme metotlarıyla menüsküsün otomatik olarak segmentasyonu oldukça zordur. Bir MR görüntü dizisi birden fazla görüntü karesinden oluşur ve ilgilenilen bölgenin özellikleri görüntü dizisi içerisindeki her bir görüntü karesinde değişiklik arz edebilir. Bu nedenle özellik çıkarma ve buna bağlı olarak segmentasyon için kod yazma işlemi oldukça zorlaşır. Derin öğrenme yöntemlerinden, Konvolüsyonel Sinir Ağları (CNN), özellik çıkarma işlemini doğrudan veri seti üzerinden gerçekleştirdiği için uzman tarafından özellik çıkarma gereksinimini ortadan kaldırır. Bölgesel Tabanlı Konvolüsyonel Sinir Ağları (Regions with CNN, R-CNN) ise CNN özelliklerini bölge önerileri ile kombine ederek CNN özelliklerinin nesne tespitinde kullanımını sağlar. Bu tez çalışması iki ana aşamadan oluşmaktadır. Birinci aşamada, MR görüntülerinden menüsküs bölgesinin tespiti için bir R-CNN modeli tasarlanmıştır. Tasarlanan R-CNN'in eğitiminin az miktarda menüsküs verisi ve daha az hesaplama yükü ile gerçekleştirebilmesi için öğrenme transferi kullanılmıştır. Çalışmanın ikinci aşamasında, R-CNN ile tespit edilen menüsküs bölgesinden menüsküs dokusunun segmentasyonu morfolojik görüntü işleme yöntemleri ile birlikte iki farklı MR görüntü dizisi kullanılarak gerçekleştirilmiştir. Menüsküs bölgesinin R-CNN ile otomatik olarak algılanması, menüsküs segmentasyon sürecini kolaylaştırırken iki farklı görüntü dizisinin farklı kontrast özelliklerinin morfolojik işlemlerle birlikte kullanılması menüsküs dokusunun çevresindeki dokulardan ayırt edilmesine olanak sağlamıştır. Bu çalışmanın sonucunda derin öğrenme yöntemleri ile morfolojik görüntü işleme yöntemlerinin bir arada kullanılmasıyla menüsküs segmentasyonunun başarılı bir şekilde uygulandığı görülmüş olup uzman hekime menüsküs tanılarında karar verebilmesi için bir karar destek sistemi olarak uygulanabileceği gösterilmiştir.
Özet (Çeviri)
The meniscus has a significant function in human anatomy, and Magnetic Resonance Imaging (MRI) has an essential role in meniscus examination. Due to a variety of MRI data, it is excessively difficult to segment the meniscus with image processing methods. An MRI data sequence contains multiple images, and the region features we are looking for may vary from each image in the sequence. Therefore, feature extraction becomes more difficult, and hence, explicitly programming for segmentation becomes more difficult. Convolutional Neural Network (CNN) extracts features directly from images and thus eliminates the need for manual feature extraction. Regions with Convolutional Neural Network (R-CNN) allow us to use CNN features in object detection problems by combining CNN features with Region Proposals. In this thesis study, we designed and trained an R-CNN for detecting meniscus region in MRI data sequence. We used transfer learning for training R-CNN with a small amount of meniscus data. After detection of the meniscus region by R-CNN, we segmented meniscus by morphological image analysis using two different MRI sequences. Automatic detection of the meniscus region with R-CNN made the meniscus segmentation process easier, and the use of different contrast features of two different image sequences allowed us to differentiate the meniscus from its surroundings.
Benzer Tezler
- Diagnosis of brain cancer and contour normal tissue for radiation therapy based on deep learning methods
Derin öğrenme yöntemleriyle radyoterapi için beyin kanseri tanisi ve normal doku ayrimi
NAVID HALILI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Video analysis based fish detecton and tail beat frequency estimation in fishways
Video analizi ile balık geçitlerinde balık tanıma ve kuyruk sallama frekansı tahmini
YASİN YILDIRIM
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
PROF. DR. SERHAT KÜÇÜKALİ
- Mamografi görüntülerinin değerlendirilmesinde kullanılan yeni bir karar destek sistemi tasarımı
A new decision support system design used in the evaluation of mammography images
RAMAZAN ALİOĞLU
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇETİN GENÇER
- Görüntü işleme ile porselen izolatör hasarlarının tespiti
Detection of porcelain insulator damages by image processing
EMİNE DERE
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHADIR AKBAL
- Image analysis based symbol recognition in colored maps
Renkli haritalarda görüntü analizi tabanlı sembol tanıma
FATMANUR TURHAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN