Ultrason görüntülerinin derin öğrenme yöntemiyle iyileştirilmesi
Enhancement of ultrasound images by deep learning
- Tez No: 682893
- Danışmanlar: PROF. DR. İHSAN ULUER
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 160
Özet
Görüntü iyileştirme, en net görüntülerin elde edilmesini amaçlar, pek çok alanda kullanılmasının yanı sıra özellikle medikal görüntülerin daha net hale getirilmesinde oldukça yararlıdır. Ultrason görüntüleme taşınabilir, diğer medikal görüntüleme yöntemlerine göre daha ekonomik ve insan sağlığına yan etkisi olmayan bir görüntüleme sistemidir. Sağlık alanında pek çok hastalığın teşhisinde kullanılmaktadır. Ultrason görüntüleri meydana gelme tekniği açısından benek gürültüsünden etkilenmektedir. Benek gürültüsünün görüntüde meydana getirdiği bozucu etkilerin yok edilmesi amacıyla literatürde pek çok filtreleme yöntemi kullanılmaktadır. Yapılan tez çalışmasında yeni bir araştırma alanı olarak ortaya çıkan ve pek çok bilimsel çalışmada başarılı sonuçlar veren derin öğrenme yöntemi kullanılarak ultrason görüntülerinin benek gürültüsünün yok edilmesi amaçlanmıştır. Tez çalışmasında farklı yapı ve nitelikte derin öğrenme ağları oluşturularak bu ağların 3 farklı ultrason görüntü veri setindeki benek gürültülerini yok etme performansları sinyal gürültü oranı tepe değeri ve yapısal benzerlik indeksi kriterleri açısından klasik filtreler ve literatürde gürültü yok etme üzerine tasarlanan derin öğrenme ağları ile kıyaslanmış ve tezimizde tasarlanan derin öğrenme ağlarının üstün başarı gösterdiği görülmüştür. Tez çalışmasının 1 inci bölümünde giriş yapılarak tezin kapsamı hakkında açıklayıcı genel bilgiler verilmiştir. Tez çalışmasının 2 inci bölümünde konu ile ilgili yapılan literatür çalışmalarına yer verilerek, ultrason görüntüleme hakkında bilgi verilmiştir. Tez çalışmasının 3 ncü bölümünde derin öğrenme, değerlendirme kriterleri ve benek gürültüsü hakkında kapsamlı bilgi verilmiştir. Tez çalışmasının 4, 5 ve 6 ncı bölümünde tasarlanan derin öğrenme ağları ile yapılan deneysel çalışmalara yer verilmiştir. Tez çalışmasının 7 nci bölümünde yapılan çalışmaların genel değerlendirilmesi, tartışma ve önerilere yer verilmiştir.
Özet (Çeviri)
The purpose of image enhancement is to obtain the clearest images. Image enhancement is used in many areas, especially useful in making medical images clearer. Ultrasound imaging is a portable imaging system and is more economical than other medical imaging methods. In addition, it has no side effects on human health. Images obtained from the ultrasound imaging system are affected by speckle noise in terms of image formation. Many filtering methods are experienced in the literature in order to eliminate the distorting effects of speckle noise on the image. In our study, it is aimed to denoise the speckle noise of ultrasound images by using the deep learning method, which stands out as a new research area and gives successful results in many scientific studies. In the thesis study, deep learning networks that have different architectures and features, were created. The denoising performances of these networks in 3 different ultrasound image data sets were compared with classical filters and deep learning networks that are designed for this purpose. The results were compared each other in terms of peak signal to noise ratio and structral similarity index. It was seen that the deep learning networks were designed in our study outperformed. In the first part of the thesis, a descriptive general information about the scope of the thesis is given. In the second part of the thesis, literature studies that relate to the subject and comprehensive information about ultrasound imaging is are included. In the third part of the thesis, comprehensive information is given, about deep learning, evaluation criteria and speckle noise. Experimental studies are included in the 4th, 5th and 6th chapters of the thesis. In the 7th chapter of the thesis, the general evaluation of the experimental studies, discussion and suggestions parts are located.
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
- Ultrason görüntülerinde derin öğrenme yaklaşımıyla süper çözünürlük
Ultrasound image super resolution with deep learning approach
HAKAN TEMİZ
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. HASAN ŞAKİR BİLGE
- Fetüs cinsiyetinin ultrason görüntülerinden derinöğrenme tekniklerine dayalı tespiti ve sınıflandırılması
Detection and classification of fetal gender from ultrasound images based on deep learning techniques
ESRA SİVARİ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZAFER CİVELEK
DR. ÖĞR. ÜYESİ SEDA ŞAHİN
- Farklı açılardan alınan B-mode ultrason görüntülerinin derin öğrenme teknikleri ile çakıştırılması
Registration of B-mode ultrasound images from different angles with deep learning approach
MAHSA MIKAEILI
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ŞAKİR BİLGE
- Derin öğrenme teknikleri ile gelişimsel kalça çıkıklığının ultrason görüntülerinden otomatik tespiti
Automatic detection of developmental dysplasia of the hip from ultrasound images with deep learning techniques
MUHAMMED ENES YILMAZ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İ.EVRİM ÇOLAK
DOÇ. DR. MEHMET SERDAR GÜZEL