Derin öğrenme temelli medikal görüntü analizinde sığ ve derin özniteliklerin tümleştirilmesi
Fusion of shallow and deep features in deep learning-based medical image analysis
- Tez No: 716579
- Danışmanlar: PROF. DR. OĞUZHAN URHAN, PROF. DR. MEHMET KEMAL GÜLLÜ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 169
Özet
Tıbbi uzmanlar, günlük çalışma rutinlerinde çeşitli hastalıkların varlığı ya da yokluğu, hastalık seyrinin izlenmesi ve benzeri birçok klinik durumun kontrolü için medikal görüntüleri analiz ederek çeşitli anlamsal öznitelikler çıkartmaktadırlar. Bu açıdan bakıldığında görüntüleme, hastalıklara cerrahi bir müdahale gerektirmeksizin uzmanlara değerli bilgi sağladığından kritik bir öneme sahiptir. Bununla birlikte, dünya genelindeki nüfus artış hızına paralel olarak hasta sayısı ve dolayısıyla elde edilen veri miktarı da muazzam artış göstermiştir. Artan veri, uzmanların iş yükünü de arttırarak verilecek kararları hataya açık hale getirmektedir. Öte yandan medikal görüntüler, içlerinde bir tıbbi uzman tarafından yorumlananın çok daha ötesinde bilgi içeriğine sahiptir. Bu motivasyonla, medikal görüntülerin sahip olduğu içeriği ortaya koymak için gelişmiş görüntü işleme algoritmaları kullanılmaktadır. Son yıllarda önemi hızla kavranan radyomikler, medikal görüntülerden çıkartılan sayısal görüntüleme özniteliklerini ifade etmektedir. Çıkartılan sayısal öznitelikler ile geliştirilen radyomik klinik karar destek sistemleri uzman kaynaklı hataları önemli ölçüde azaltabilme potansiyeli taşımaktadır. Daha iyi karar desteği sağlayacak sistemlerin geliştirilmesi, temsil gücü yüksek özniteliklerin medikal görüntülerden keşfedilmesini gerektirmektedir. Bu tez çalışması kapsamında, derin ve sığ özniteliklerin kaynaşımına olanak tanıyan derin öğrenme temelli klinik karar destek sistemleri geliştirilmiştir. Çalışmada yakın geçmişte Dünya genelinde ölüm oranlarındaki artışa önemli katkı sağlayan COVID-19 hastalığı ve beyin tümör türleri hasta dostu görüntüleme modalitelerinin kullanıldığı medikal görüntülerden tespit edilmektedir. Deneysel sonuçlar, tez çalışması kapsamında önerilen yöntemlerin literatürdeki çalışmalar karşısında çeşitli üstünlüklere sahip olduğunu ve uzmanlara verecekleri kararlarda yardımcı birer araç olarak kullanılabileceklerini göstermektedir.
Özet (Çeviri)
Medical experts extract various semantic features by analyzing medical images for the presence or absence of various diseases, and for monitoring the course of the disease in their daily work routines. From this point of view, imaging has critical importance as it provides valuable information to specialists without requiring surgical intervention for diagnosing diseases. However, in parallel with the worldwide population growth rate, the number of patients and therefore the amount of data obtained has increased tremendously. Increasing data also increases the workload of experts, making the decisions to be made prone to errors. On the other hand, medical images have information content far beyond what is interpreted by a medical expert. With this motivation, advanced image processing algorithms are used to reveal the content of medical images. Radiomics, the importance of which has been rapidly recognized in recent years, refers to the digital imaging features extracted from medical images. Radiomic clinical decision support systems developed with the extracted quantitative features have the potential to significantly reduce expert-sourced errors. The development of systems that will provide better decision support requires the discovery of highly representative features from medical images. Within the scope of this thesis, deep learning-based clinical decision support systems that allow the fusion of deep and shallow features have been developed. In the study, COVID-19 disease and brain tumors, which are the important causes of the increase in mortality rates worldwide in the recent past, are detected from medical images using patient-friendly imaging modalities. Experimental results show that the methods proposed within the scope of the thesis study have various superiority over the studies in the literature and can be used as an auxiliary tool in the decisions they will give to the experts.
Benzer Tezler
- Deep learning based unsupervised tissue segmentation in histopathological images
Histopatolojik görüntülerde derin öğrenme temelli öğreticisiz doku bölütlemesi
TROYA ÇAĞIL KÖYLÜ
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM GÜNDÜZ DEMİR
- Deep learning analysis in dermoscopy images
Dermoskopi görüntülerinde derin öğrenme analizi
FATİH ERGİN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BURAK PARLAK
- Makine öğrenme temelli glioma analizi ve derecelendirme sistemi
Machine learning based glioma analysis and grading system
HAKAN ÖZCAN
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
PROF. DR. HAKAN SABUNCUOĞLU
- Makine öğrenimine dayalı akciğer kanserinin erken tanısında belirsizlik ölçeğinin tespiti
Detection of the uncertainty scale in the early diagnosis of lung cancer based on machine learning
SEMA ÜZÜLMEZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN
- Tıbbi görüntülerden derin öğrenme yöntemi ile karaciğer ve beyin lezyonlarının bölütlenmesi
Segmentation of liver and brain lesions by deep learning approach from medical images
ONUR CAN BAYRAK
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM