Görüntü işleme teknikleriyle beyin tümörlerinin tespiti ve sınıflandırma algoritmalarıyla analizi
Detection of brain tumors with image processing techniques and analysis with classification algorithms
- Tez No: 702997
- Danışmanlar: DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Kırıkkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 192
Özet
Beyin tümörlerinin tespitinde ve sınıflandırılmasında yapay zeka uygulamaları günümüzde oldukça önemli yere sahiptir. Beyin tümörleri, hücrelerin normal hücreleri kontrol eden mekanizmaları tarafından ortadan kaldırılamayan, kontrolsüz bir şekilde büyüyen ve çoğalan anormal doku kütlesidir. Hastaların cerrahi rezeksiyon veya biyopsi sonucunda elde edilen tümörlü görüntülerinin patolojik ortamda incelemesi, tümörün derecelendirilmesi ve immünohistokimyasal türlerinin belirlenmesinde en önemli belirteçtir. Ancak bu yöntemin invaziz olması; zaman kaybına, örnekleme hatalarına ve farklı histolojik yorumlamalara sebep olmaktadır. Bu durumda Manyetik Rezonans Görüntülüme (MRG) kullanılarak tümörün radyomik özelliklerinin ve genomik yapısının tespiti oldukça önemli hale gelmiştir. Bu değerlendirmelere dayanarak beyin tümörlerini sınıflandırmada yaşanan sorunları ortadan kaldırmak için, beyin tümörlerinin 3 boyutlu manyetik rezonans görüntüleri çıkarılarak elde edilen doku ve dalgacık radyomik özelliklerinin sınıflandırma algoritmalarıyla çok parametreli analizi gerçekleştirilmiştir. Düşük dereceli glioma (LGG) beyin tümörlerinin derecelerini ve 1p/19q birlikte silme durumlarını görüntü işleme teknikleriyle ve yapay zeka algoritmalarıyla doğru bir şekilde sınıflandırmayı amaçlayan modeller geliştirilmiştir. 3D dalgacık dönüşümü filtre gruplarıyla oluşturulan derin sinir ağları modeliyle LGG beyin tümörlerinin dereceleri en yüksek % 96,15 doğrulukla tahmin edilmiştir. Tümör sınıflandırmada yeni bir bakış açısı sunan 1p/19q moleküler birlikte silme durumunu tahmin etmek için LGG'lerin Manyetik Rezonans görüntülerinin doku analizi ve sınıflandırılmasına yönelik makine öğrenme algoritmalarıyla uygulanan modelle de en yüksek %93,94 doğruluk elde edilmiştir. Tez kapsamında noninvaziv olarak farklı genotiplere ve derecelere sahip tümörlerin makine öğrenme algoritmalarıyla sınıflandırılması gerçekleştirilmiştir. LGG'lerin hem morfolojik temelli hem de moleküler özelliklerine göre sınıflandırılması beyin tümörü tedavisinde daha doğru teşhis konulmasına katkı sunacaktır.
Özet (Çeviri)
Artificial intelligence applications play a quite significant role today in the detection and classification of brain tumors. Brain tumors are abnormal tissue mass that grows and reproduces in an uncontrollable way, and cannot be removed by cell's mechanism that control normal cells. Patients' surgical resection or the investigation of tumor images obtained at the conclusion of biopsy in an pathological environment is the most important indicator for the classification of tumor as well as identification of immunihistochemijcal types. However, the invasive nature of this method pose waste of time, sampling errors, and inappropriate histological interpretations. To this end, the detection of tumor's radiomics features and genomic structures using magnetic resonance imaging (MRI) have become quite substantial. To obviate the issues in brain tumor classification in the light of evaluations given above, multi-parameter analysis is realized with texture and wavelet radionics features' classification algorithms obtained using brain tumor's three-dimensional magnetic resonance images. Models have been developed to accurately classify the grades and 1p / 19q co-deletion situations of low-grade glioma (LGG) brain tumors using image processing techniques and artificial intelligence algorithms. The grades of LGG brain tumors were predicted with the best accuracy of 96.15% with the deep neural network model created with 3D wavelet transform filter groups. 1p/19q molecular co-removal situation offering a new perspective for tumor classifications of Magnetic Resonance images of LGGs, reaches to 93.94% accuracy in texture analysis and classification using machine learning algorithms. In the scope of this thesis, the classification of tumors that have different genotypes and ratings in terms of non-invasion is realized using machine learning algorithms. The classification of LGG's in terms of both morphological and molecular features contributes to treatment and detection of brain tumors.
Benzer Tezler
- Beyin tümörlerinin MR görüntüleri üzerinden derin öğrenme yöntemiyle tespiti ve sınıflandırması
Determination and classification of brain tumors on MR images by deep learning method
MERVE KÖRDEMİR
Yüksek Lisans
Türkçe
2021
BiyomühendislikAkdeniz ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET BOZKURT
DOÇ. DR. KERİM KÜRŞAT ÇEVİK
- 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
- Önemli zeytin (Olea europaea L.) çeşitlerinin izoenzim polimorfizmleri ve genetik özellikleri
Isoenzyme polymorphisms and genetic characteristics of important olive (Olea europaea L.) cultivars and types
SEVDA DÜLGER
Yüksek Lisans
Türkçe
2004
ZiraatÇanakkale Onsekiz Mart ÜniversitesiBahçe Bitkileri Ana Bilim Dalı
YRD. DOÇ. DR. MURAT ŞEKER
- Mr görüntülerinde baş bölgesine ait anormal yapıların belirlenmesi ve hacimlerinin hesaplanması
Detection of head region lesions and volume estimation in mr images
CANSEL ÖĞRETMENOĞLU
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZİYA TELATAR
- Beyin tümörlerinin ileri görüntü işleme ve örüntü tanıma teknikleri kullanılarak bilgisayar destekli tespiti
Computer-aided detection of brain tumors using advanced image processing and pattern recognition techniques
SEDA KAZDAL
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. BUKET DOĞAN
PROF. DR. ALİ YILMAZ ÇAMURCU