Görüntü füzyon yöntemleri ile beyin lezyon görüntülerinin değerlendirilmesi
Valuation of brain lesion images with image fusion methods
- Tez No: 726258
- Danışmanlar: DOÇ. DR. NUR HÜSEYİN KAPLAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Erzurum Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Medikal görüntü füzyonu, medikal görüntüleme yöntemleri ile ortaya çıkan görüntüler yardımıyla, tıbbi sorunların teşhisi ve değerlendirilmesinde; uygulanabilirliği arttırmayı ve görüntüleme kalitesini iyileştirmeyi hedefler. Çoklu medikal görüntü füzyon algoritmaları ve cihazları, tıbbi görüntülere dayalı tanı doğruluğunu iyileştirmede dikkate değer başarılar göstermişlerdir. Bu tez çalışması fMRI (Fonksiyonel Manyetik Rezonans Görüntüleme) cihazı ile elde edilen beyin lezyon görüntülerinin füzyonlanmasını, geleneksel ve modern füzyon sonuçlarının değerlendirilmesini ve önerilen bir karar-tabanlı yöntemi içermektedir. Beyin lezyonlarının belirlenmesi için fMRI cihazından alınan farklı fazdaki görüntüler, Yoğunluk-Ton-Doygunluk Dönüşümü (IHS), Temel Bileşen Analizi (PCA), Odak Bölgesi Algılama Yoluyla Kılavuzlu Filtre Tabanlı Çok Odaklı Görüntü Füzyonu (GFDF) ve Çapraz İki Taraflı Filtre (CBF) ile Görüntü Füzyonu yöntemleri ile füzyonlanmıştır. Yapılan analizler sonucunda CBF ve GFDF yöntemleri ile füzyonun daha iyi sonuçlar verdiği gözlemlenmiştir. Ardından bir Konvolüsyonel Sinir Ağı (CNN) yardımı ile füzyonlanmış görüntüler birbiriyle örtüşmeyen bloklara bölünmüş ve bu bölünen parçaların iyi kısımlarını birleştiren bir karar haritası oluşturulması önerilmiştir. Nihayetinde bu haritaya bağlı iyileştirilmiş görüntüler elde edilmiştir. Aynı zamanda kullanılan tüm bu yöntemler görsel ve çeşitli nicel analiz kriterleri ile de test edilmiştir. Sonuç olarak, birleştirilmiş görüntülerden uzman yorumu için daha uygun görüntüler elde edilmiştir. Önerilen karar-tabanlı yöntem ile; farklı füzyon yöntemlerinin daha iyi kısımlarını birleştiren bir karar haritası kullanmanın giriş füzyon görüntülerinden daha iyi bir kaliteye sahip olduğu gözlemlenmiştir.
Özet (Çeviri)
Medical image fusion is used in the diagnosis and evaluation of medical problems with the help of images created by medical imaging methods. Image fusion aims to improve applicability and image quality. Multiple medical image fusion algorithms and devices have shown remarkable improvement in diagnostic accuracy based on medical images. This study is based on the fusion of brain lesion images obtained by an fMRI (Functional Magnetic Resonance Imaging) device and the evaluation of traditional-modern fusion results and proposed decision- based method. To detect brain lesions, different phases taken from the fMRI device were fused with various fusion methods. These methods are Intensity-Hue-Saturation Conversion (IHS), Principal Component Analysis (PCA), Guided Filter-Based Multifocal Image Fusion (GFDF) via Focal Region Detection, and Cross-Bilateral Filtering (CBF). As a result of visual tests, it was observed that fusion with CBF and GFDF methods have better results. Then, with the help of a Convolutional Neural Network (CNN), the fused images were divided into non-overlapping blocks, and a decision map was created by combining the better block. As a result, improved images based on this map were obtained. At the same time, all these methods were tested visually and quantitatively. As a result, more favorable images are obtained for expert interpretation from the fused images. With the proposed decision-based method, it is observed that using a decision map, which combines better parts of different fusion methods, has better quality than the input fusion images.
Benzer Tezler
- Hibrit yapay sinir ağları yöntemleri ile nörögörüntüleme verilerine dayalı otizm tanılama
Autism diagnosis based on neuroimaging data with hybrid neural network techniques
EMEL KOÇ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMİH BİLGEN
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- 3b MRI ve hasta bilgileri kullanarak derin öğrenme ile alzheimer hastalığının erken teşhisi
Early detection of alzheimer's disease with deep learning using 3d MRI and patient informations
ARMAN ATALAR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAT ADAR
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- 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