Derin öğrenme ile korpus kallozum segmentasyonu ve indeks hesaplaması
Corpus callosum index calculation and segmentation with deep learning
- Tez No: 722204
- Danışmanlar: DR. ÖĞR. ÜYESİ YALÇIN ALBAYRAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Bu çalışmada, Beyin kesiti resmi üzerinden korpus kallozum indeksini otomatik olarak hesaplayabilecek bir sistem geliştirilmiştir. Derin öğrenme metotları kullanılarak geliştirilen bu çözüm ile radyoloji uzmanları için yardımcı bir karar destek sistemi oluşturulmuştur. MS, Alzheimer, şizofreni, disleksi, ve epilepsi hastalıklarının tespiti ve takibi işlemlerinde, Radyoloji uzmanlarının otomatize edilmiş KKİ hesabı ile zaman tasarrufu sağlamaları amaçlanmıştır. Sunulan çözümde öncelikle seçilen derin öğrenme mimarisinin eğitimi gerçekleştirilmiştir. Eğitim işlemi için gerekli olan veri seti Akdeniz Üniversitesi Radyoloji bölümü yardımı ile edinilmiştir. Google Colaboratory platformunda TensorFlow ve Keras kütüphaneleri ile gerçekleştirilen eğitim sonucunda elde edilen model ile segmentasyon sistemi hazırlanmıştır. Girdi olarak beyin MR kesiti kullanılmaktadır. Alınan medikal resim üzerinde öncelikle eğitilmiş U-Net derin öğrenme modeli ile segmentasyon işlemi gerçekleştirilir. Ardından segmente edilmiş resim üzerinde korpus kallozum indeks hesaplama algoritması ile kalınlık ve uzaklık değerleri elde edilir. Kalınlık ve uzaklık değerleri indeks denklemine yerleştirilerek sonuç değeri bulunmaktadır. Çalışma sonucunda MS subtiplerine göre KKİ değer dağılımları elde edilmiştir.
Özet (Çeviri)
In this study, a system with capability of calculating corpus callosum index automatically is developed. Deep learning techniques are used in the solution that aims to be an assistant recommender system to radiology specialists. Main goal of the provided system is to make a positive effect on time management of radiology specialists by automating CCI calculation at detection and control of MS, Alzheimer, schizophrenia, dyslexia, and epilepsy. First step for the study was training the selected deep learning architecture. Training dataset is gathered from the Radiology department of the Akdeniz University. Segmentation pipeline built with trained model. Input for the segmentation pipeline is brain MR image. For the CCI calculation, first step is to detect corpus callosum with trained U-Net model. After the segmentation process, an algorithm is used for finding the thickness and length values of detected corpus callosum. With the obtained values, corpus callosum index is calculated. As a result of the thesis work CCI distribution with respect to MS sub-types is obtained.
Benzer Tezler
- Multipl sklerozlu hastalarda beyin atrofisi ve bilişsel işlevlerle ilişkisi
Relationship to brain atrophy and cognitive functions in multiple sclerosis
AYŞE SEDA EREN
Tıpta Uzmanlık
Türkçe
2017
NörolojiSağlık Bilimleri ÜniversitesiNöroloji Ana Bilim Dalı
DOÇ. DR. HURİYE HAYAT GÜVEN
- Multipart music transcription using deep neural networks
Derin öğrenme ağları ile çok sesli müzik transkripsiyonu
EMİN GERMEN
- Compositional representations of language structures in multilingual joint-vector space
Çok dilli eklem-vektör uzayda dil yapılarının bileşim temsili
ŞABAN DALAMAN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ ARSLAN
- Manyetik rezonans görüntülemede saptanan vertebra korpus lezyonlarının ayırıcı tanısında derin öğrenme tabanlı yapay zekanın etkinliğinin değerlendirilmesi
Evaluation of the effectiveness of deep learning in the differential diagnosis of vertebral body lesions detected by magnetic resonance imaging
HÜSEYİN ER
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpRecep Tayyip Erdoğan ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. MEHMET BEYAZAL
- Word2vec temsillerini kullanarak Türkçede soru sınıflandırmasında derin öğrenme analizi
A deep learning analysis on Turkish question classification task using word2vec representations
ŞEYHMUS YILMAZ
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNAN TOKLU