Geri Dön

Derin öğrenme ile korpus kallozum segmentasyonu ve indeks hesaplaması

Corpus callosum index calculation and segmentation with deep learning

  1. Tez No: 722204
  2. Yazar: TAHİRHAN YILDIZOĞLU
  3. Danışmanlar: DR. ÖĞR. ÜYESİ YALÇIN ALBAYRAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Akdeniz Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2017

    NörolojiSağlık Bilimleri Üniversitesi

    Nöroloji Ana Bilim Dalı

    DOÇ. DR. HURİYE HAYAT GÜVEN

  2. Compositional representations of language structures in multilingual joint-vector space

    Çok dilli eklem-vektör uzayda dil yapılarının bileşim temsili

    ŞABAN DALAMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BARIŞ ARSLAN

  3. 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

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce Üniversitesi

    Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SİNAN TOKLU

  4. A deep learning based translation system from Ottoman Turkish to Modern Turkish

    Osmanlı Türkçesinden modern Türkçeye derin öğrenme tabanlı çeviri sistemi

    ABDULLAH BAKIRCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. YUSUF SİNAN AKGÜL

  5. Etkin sorgu önerileri için kullanıcı sorgularının görev tabanlı yönetilmesi

    Task based management of user queries for effective query suggestions

    NURULLAH ATEŞ

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN