Beynin beyaz cevher bölgesindeki yüksek yoğunluklu alanların oluşum ve yayılımına yönelik uzman sistem tasarımı ve gerçeklenmesi
Expert system design and implementation for the occurrence and spread of hyperintense areas in the white matter region of the brain
- Tez No: 727009
- Danışmanlar: PROF. DR. BEKİR TEVFİK AKGÜN
- 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: İstanbul Okan Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 113
Özet
Canlı bir insanın beynindeki rahatsızlıkları veya anormallikleri tespit etmek için kullanılan en yaygın ve en temel tetkik yöntemi Manyetik Rezonans Görüntülemedir (MRG). MRG'den elde edilen görüntülerde beynin beyaz cevher denilen bölgesinde birtakım yüksekyoğunluklu alanlar, başka bir deyişle lezyonlar görülebilmektedir. Bu lezyonlar çoğunlukla ileri yaştaki bireylerde görülmekle beraber her yaş grubundan insanda da görülebilir. Beyaz cevherdeki bu lezyonlar beyindeki küçük damar hastalığının bir belirtisi olarak kabul edilmektedir. Bu lezyonların inme, Alzaymır, Multipl Skleroz (MS), Migren, Hipertansif Arteryopati gibi birçok klinik bozukluk ile ilişkisini ortaya koyan çalışmalar bulunmaktadır. Zaman içerisinde beyinde farklı noktalarda yeni lezyon oluşumları veya mevcut lezyonların yayılması ile lezyon hacminde artış görülebilmektedir. Hastalara ait farklı zaman dilimlerinde çekilmiş çeşitli türdeki görüntüler uzman radyologlar tarafından incelenip, diğer klinik bulgularla birlikte değerlendirilerek hastalığın tanı, tedavi ve takibinde kullanılmaktadır. Bu tezin amacı lezyon oluşumu hakkında öngörüde bulunmayı sağlayan bir sistem geliştirmektir. Bu çalışmada; bir grup hastanın farklı zaman dilimlerinde çekilmiş ve araştırmacıların kullanımına sunulmuş beyin Manyetik Rezonans (MR) görüntüleri ön işlemlerden geçiriliyor. Elde edilen işlenmiş görüntülerden seçilen pikseller ve kesin referans piksellerin merkezde olduğu görüntü yamaları ile bir veri seti oluşturuluyor. Bu veri seti üzerinde derin öğrenme yöntemleri kullanarak yapay bir sinir ağı eğitiliyor. Ağın çıktısı olarak elde edilen model dosyası geliştirilen web tabanlı test uygulamasında kullanılarak bir MR görüntüsü üzerinde nerede lezyon oluşacağı tahmin edip işaretleniyor. Sonuç olarak önerdiğimiz bu yöntem bir uzmandan bağımsız tespit yapmakta yeterli olmamakla beraber uzman doktorların teşhis ve tedavisine destek sağlayacaktır.
Özet (Çeviri)
Magnetic Resonance Imaging (MRI) is commonly used in-vivo imaging of the human brain to detect disorders or abnormalities in the brain. In the images obtained from MRI, some hyperintense areas, in other words, lesions can be seen in the white matter region of the brain. Although these lesions are mostly seen in elderly individuals, they can also be seen in people of all age groups. These lesions in the white matter are considered a manifestation of small vessel disease in the brain. There are studies showing the relationship of these lesions with many clinical disorders such as stroke, Alzheimer's, Multiple Sclerosis (MS), Migraine, and Hypertensive Arteriopathy. In time, the lesion volume may increase with the occurrence of new lesions at different locations in the brain or the spread of existing lesions. Various types of images taken at different time periods of patients are analyzed by expert radiologists, evaluated together with other clinical findings, and used in the diagnosis, treatment and follow-up of the disease. The aim of this thesis is to develop a system that allows to predict the lesion occurrence. In this study; We are preprocessing brain Magnetic Resonance (MR) images of a group of patients taken at different time periods and made available to researchers. We are generating dataset from image patches that ground-truth pixels and selected pixels from processed images are in the center of the patch. We train an artificial neural network using deep learning methods on this dataset. By using the model file that we obtained as the output of the network in the web-based application we developed, we predict and mark where a lesion will occur on an MR image. As a result, this method we proposed is not sufficient to make an independent determination from a specialist, but it will support the diagnosis and treatment of specialist doctors.
Benzer Tezler
- Azami oksijen tüketimi ve beynin varsayılan kip sinirağı arasındaki ilişkinin analizi
Analysis of relationship between default mode network and maximum oxygen consumption
SEYEDEHZAHRA MIRALIMORTEZAEI
Yüksek Lisans
Türkçe
2018
NörolojiMarmara ÜniversitesiHareket ve Antrenman Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. ADİL DENİZ DURU
- SSPE' li hastalarda MR spektroskopi görüntüleme bulgularının klinik bulgularla ilişkisi
The relationship between clinical and MR spectroscopy imaging findings in patients with subacute sclerosing panencephalitis
BERNA KIRHAN
Tıpta Uzmanlık
Türkçe
2012
Çocuk Sağlığı ve HastalıklarıHarran ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. AKIN İŞCAN
YRD. DOÇ. DR. MAHMUT ABUHANDAN
- Bipolar bozukluğun erken ve geç evrelerinde beyaz cevher özellikleri: Bir difüzyon tensör görüntüleme çalışması
White matter characteristics in the early and late stages of bipolar disorder: A diffusion tensor imaging study
ALİ BARAN TANRIKULU
Tıpta Uzmanlık
Türkçe
2020
PsikiyatriSağlık Bilimleri ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. İKBAL İNANLI
- Şizofreni hastalarında klozapinin difüzyon tensor görüntüleme bulguları üzerine etkileri
The influence of clozapine on diffusion tensor imaging measures in patients with schizophrenia
ELÇİN ÖZÇELİK EROĞLU
Tıpta Uzmanlık
Türkçe
2012
PsikiyatriHacettepe ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. AYGÜN ERTUĞRUL
- Huntington hastalığında difüzyon tensor görüntüleme ile beyin parselasyonu
Brain parcellation with diffusion tensor imaging in huntington's disease
AYLA ARSLAN