Derin öğrenme ile sentetik tıbbi beyin görüntülerinin üretilmesi
Başlık çevirisi mevcut değil.
- Tez No: 713181
- Danışmanlar: DR. ÖĞR. ÜYESİ RUKİYE KARAKIŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Optik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Medikal görüntülerin incelenmesinde son yıllarda derin öğrenme yöntemleri kullanılmaktadır. Derin öğrenme mimarileri bir problemi çözebilmek için büyük veri kullanılarak eğitilir. Ancak, medikal alanda büyük verilerin elde edilmesi uzun zaman gerektirir ve ayrıca maliyetlidir. Bu sebeple, veri miktarını arttırmak için orijinal verileri dönüştürme ya da sentetik veri üretme yöntemleri kullanılmaktadır. Döndürme, çevirme, gürültü ekleme gibi orijinal görüntüler üzerinde yapılan değişimler ile çoğaltılan görüntüler veri boyutunu arttırsa da verinin anlamlandırılması işlemine yeterli katkıyı sağlamamaktadır. Üretken düşman ağlar, görüntülerin özgün ve benzersiz özelliklerini koruyarak sentetik veri üretilmektedir. Bu tezde, beyin manyetik rezonans (MR) görüntüleri üzerinde derin evrişimli üretken düşman ağlar modeli kullanılarak gerçekçi MR görüntülerinin üretilmesi ve derin öğrenme modellerinin medikal görüntü analizinde ihtiyaç duyduğu büyük veri ihtiyacının giderilmesi amaçlanmıştır. Bu sebeple, iki farklı veri setinde yer alan T1 ve T2 ağırlıklı beyin MR görüntüleri üzerinde aksiyel, sagital ve koronel görüntü dilimleri için ayrı ayrı sentetik görüntü üretimi gerçekleştirilmiştir. Elde edilen sonuçlar, tezde önerilen modelin beyin görüntü üretiminde kullanılabileceğini göstermiştir.
Özet (Çeviri)
In recent years, deep learning methods have been used to analyze medical images. Deep learning architectures need big data to solve a problem. However, obtaining big data in the medical field takes time and is costly. For this reason, methods of transforming the original data or generating synthetic data are used to increase the amount of data. Although the images augmented by the changes made on the original images such as rotation, flipping, adding noise etc., increase the data size, they do not provide sufficient contribution to making sense of the data. Generative adversarial networks produce synthetic data while preserving the original and unique features of the images. This thesis aims to produce realistic MR images by deep convolutional generative adversarial networks (DCGAN) using brain magnetic resonance (MR) images and address the big data need for the deep learning models in medical image analysis. The DCGAN model was fine-tuned and separately trained using axial, sagittal, and coronal image slices of T1 and T2 weighted brain MR images in two different data sets to augment synthetic images. According to the performance results, it was concluded that the proposed model could be used to produce realistic brain MR images.
Benzer Tezler
- Beyin MR görüntülerinin görüntü işleme teknikleri kullanılarak sınıflandırılması
Classification of brain mr images using image processingtechniques
ERCÜMENT GÜVENÇ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEVLÜT ERSOY
DOÇ. DR. GÜRCAN ÇETİN
- Efficient three-dimensional near-field imaging with physics-informed deep learning for MIMO radar
Fizik tabanlı derin öğrenme teknikleri ile üç boyutlu yakın alan MIMO radar görüntüleme
OKYANUS ORAL
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEVİNÇ FİGEN ÖKTEM SEVEN
- Çekişmeli üretici ağ tabanlı veri artırımı ile derin öğrenme tabanlı tıbbi teşhis
Deep learning based medical diagnostics with generative adversarial network based data augmentation
AHMET EZGİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Katip Çelebi ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. AYTUĞ ONAN
DOÇ. DR. VAHİDE BULUT
- Derin öğrenme yöntemleri kullanılarak tıbbi görüntülerden teşhis
Diagnosis from medical images using deep learning methods
OSMAN DOĞUŞ GÜLGÜN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAMZA EROL
- Self-supervised deep convolutional neural network training for low-dose CT reconstruction
Düşük dozlu BT geriçatması için derin evrişimli sinir ağlarının öz denetimli eğitimi
MEHMET OZAN ÜNAL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM