Göğüs X-ray görüntülerinde derin öğrenme algoritmaları ile akciğer bölütlemesi
Lung segmentation with deep learning algorithms on chest X-ray images
- Tez No: 674289
- Danışmanlar: DR. ÖĞR. ÜYESİ EMİN ARGUN ORAL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: derin öğrenme, tıbbi görüntülerde bölütleme, veri artırma, histogram eşleştirme, akciğer grafisi, U-Net, Seg-Net, deep learning, segmentation in medical images, data augmentation, histogram matching, Chest X-ray, U-Net, Seg-Net
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Amaç: Bu çalışmada birçok hastalığın teşhisinde önemli bir role sahip olan akciğer grafileri kullanılarak akciğer bölütlemesi gerçekleştirmek amaçlanmıştır. Yöntem: Bu çalışma derin öğrenme algoritmaları kullanılarak gerçekleştirilmiştir. Çalışma üç temel aşamadan oluşmaktadır. Birinci aşamada, birden fazla farklılık bulunan veri kümesini bir arada kullanabilmek için çeşitli ön işlem adımları incelenmiştir. Daha sonra bu görüntülerin derin öğrenme algoritmalarındaki performansları ölçülmüştür. Çalışmanın ikinci aşamasında veri çeşitliliği ve sayısını artırmak amacıyla veri artırma teknikleri kullanılmıştır. Artırılmış veri ile ilk durumdaki veri arasında derin öğrenme algoritmaları aracılığıyla performans karşılaştırılması yapılmıştır. Tez çalışmasının son aşamasında ise yeni bir ağ tasarımı oluşturabilmek için literatürde sıkça yer alan tıbbi görüntüler üzerinde bölütlemenin gerçekleştirildiği derin öğrenme algoritmaları incelenmiştir. U-Net ve Seg-Net algoritmalarının yanı sıra Res-Net'in artık bloklarından da yararlanarak bir ağ tasarlanmıştır. Bulgular: Yapılan deneyler sonucunda elde edilen verilere göre, farklı veri kümelerinin birleştirilmesi sonucu oluşturulan sayıca ve çeşit olarak fazla verilerle akciğer bölütlemesinin daha iyi sonuçlar verdiği tespit edilmiştir. Ayrıca veri artırma teknikleri ile artırılmış verilerin performansa iyi yönde etki ettiği gözlemlenmiştir. Son olarak, tasarlanan modelin akciğer bölütlemesi için daha uygun olduğu görülmüştür. Sonuç: Tüm bu çalışmalardan yola çıkarak, derin öğrenme algoritmalarının performansa olumlu etki edebilmesi için veri boyutunun büyüklüğü ve çeşidinin yeterli düzeyde olması gerektiği tespit edilmiştir. Bu verilerin doğru değerlendirilmesi için uygun modeller kullanılması gerektiği ve yeni model tasarlanarak elde edilen bölütleme doğruluğunun iyileştirildiği gözlenmiştir.
Özet (Çeviri)
Purpose: In this study, it was aimed to perform lung segmentation using Chest X-rays, which have an important role in the diagnosis of many diseases. Method: This study was carried out using deep learning algorithms. The study consists of three basic stages. In the first stage, various pre-processing steps were examined in order to use the data set with more than one difference. Then, the performances of these images in deep learning algorithms were measured. In the second stage of the study, data enhancement techniques were used to increase the variety and number of data. Performance comparison was made between the augmented data and the data in the first case using deep learning algorithms. In the last phase of the thesis, in order to create a new network design, the deep learning algorithms that perform segmentation on medical images, which are frequently included in the literature, were examined. A network is designed by utilizing the residual blocks of Res-Net as well as U-Net and Seg-Net algorithms. Findings: According to the data obtained as a result of the experiments, it was determined that lung segmentation gave better results with more data in numbers and types created by combining different data sets. In addition, it has been observed that the data augmented with data enhancement techniques have a positive effect on performance. Finally, the designed model has been found to be more suitable for lung segmentation. Results: Based on all these studies, it was determined that the size and variety of data size should be sufficient for deep learning algorithms to have a positive effect on performance. It was observed that appropriate models should be used for the correct evaluation of these data and the segmentation accuracy obtained by designing a new model was improved.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Sayısal veri ve göğüs röntgen görüntülerinden derin öğrenme yaklaşımları ile pnömoni tespiti
Pneumonia detection with deep learning approaches from numerical data and chest X-ray images
ZEHRA KADİROĞLU
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
PROF. DR. HANİFİ GÜLDEMİR
PROF. DR. ABDURRAHMAN ŞENYİĞİT
- Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images
Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı
OZAN GÜLDALİ
Yüksek Lisans
İngilizce
2021
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL İNAN
- Akciğer anomalilerinin çok sınıflı sınıflandırılması: Fantom malzemelerden akciğer dokularına
Multi-class classification of lung anomalies: From pantom materials to lung tissues
DERYA NARİN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUĞBA ÖZGE ONUR
- Deep learning for pneumonia diagnosis: A comparative study and decision support interface implementation
Zatürre tanısı için derin öğrenme: Karşılaştırmalı bir çalışma ve karar destek arayüzü uygulaması
SENA GÖKSU AĞACA
Yüksek Lisans
İngilizce
2024
Radyoloji ve Nükleer TıpYeditepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELİF ÇİĞDEM KELEŞ