Automated processing and classification of medical thermal images
Medikal termal görüntülerin otomatik olarak işlenmesi ve sınıflandırılması
- Tez No: 734647
- Danışmanlar: PROF. DR. BÜLENT YILMAZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Görüntü işleme, Makine öğrenmesi, Sınıflandırma, Termal görüntüleme, Deep learning, Image processing, Machine learning, Classification, Thermal imaging
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Abdullah Gül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezin amacı, tıbbi kızılötesi termal görüntülerin işlenmesi ve değerlendirilmesi için bilgisayar destekli yöntemler geliştirmektir. Bu çalışma boyunca üç problem değerlendirilmiştir. İlk problem, termal görüntülerde vücut kısımlarını ve pozu otomatik olarak sınıflandırmaktı. Bu çalışmada, arka-ön ve üst-alt vücut görünümleri olan dört sınıf vardı. İlk adımda, Otsu'nun yöntemiyle arka plan ayrıldı ve histogram eşitleme uygulandı. Daha sonra, görüntülerden öznitelik çıkarmak için DarkNet-19 mimarisi kullanıldı ve bu öznitelikler PCA ve t-SNE yöntemleri kullanılarak azaltıldı. Son olarak, sınıflandırma için indirgenmiş öznitelik kümeleri kullanıldı. Üzerinde çalışılan ikinci problem, karaciğer yağlanmasını termal görüntüler kullanarak otomatik olarak sınıflandırmaktı. Bu çalışmada abdominal görüntülerden anatomik bir ilgi alanı bölütlenmiş, bu alandan öznitelikler çıkarıılmıştır. Öznitelik çıkarımı esnasında derin öğrenme ve doku analizi yöntemleri kullanışmış, seçilen en uygun öznitelikler sınıflandırmada. Son olarak bu tezde, multipl skleroz (MS) hastalarının tedaviye yanıt seyrini değerlendirmede kullanılmak üzere termogramların yerel nicelleştirilmesine dair bir yöntem önerisi yapıldı. Deneyler sırasında iki MS hastasının ve bir sağlıklı bireyin bacak termal görüntüleri değerlendirildi. Önerilen yöntemin sonuçları, hekimin değerlendirmeleri ile tam olarak uyuşmaktadır. Bu tezde, tıbbi termal görüntülemenin invaziv olmayan bir yöntem olarak ön tanı ve takip için farklı alanlarda yüksek potansiyele sahip olduğu gösterilmiştir.
Özet (Çeviri)
The aim of this dissertation is to develop computer aided methods for processing and evaluating medical infrared thermal images. Throughout this study three problems were evaluated. The first problem was to automatically classify the body part and pose in the thermal images. In this study there were four classes; upper-lower body parts with back-front views. The first step included the segmentation of the background with Otsu's thresholding method applying histogram equalization. Next, DarkNet-19 architecture was used to extract features from images and these features were reduced using PCA and t-SNE methods. Finally reduced feature sets were used for classification. The second problem was to automatically classify liver steatosis from using thermal images. In this study, the classification problem was tested on an anatomical region of interest from abdominal images corresponding to the liver. Deep learning and texture analysis methods were employed for feature extraction, and then the selected feature sets were used for classification. The third problem was to quantify thermograms of multiple sclerosis (MS) patients for better assessment of the disease and monitoring the therapy. Thermal images of two patients and a healthy control from lower limbs were evaluated during experiments, and localized quantification of the effect of MS on the feet of the patients using thermal images method was proposed. The proposed method was fully correlated with the evaluations of physician. It is shown that medical thermal imaging has high potential in many fields of medicine as a non-invasive method for pre-diagnosis and follow-up.
Benzer Tezler
- Yapay zekâ-tabanlı hibrit anomali tespit ve klinik karar destek teknikleri ile kardiyovasküler hastalıkların ve COVİD-19'un otomatik tespiti
Artificial intelligence-based hybrid anomaly detection and clinical decision support techniques for automated detection of cardiovascular diseases and COVİD-19
MERVE BEGÜM TERZİ
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Medical dataset classification based on different deep learning techniques and meta-heuristic algorithms
Farklı derin öğrenme teknikleri ve meta-sezgisel algoritmalara dayalı tıbbi veri kümesi sınıflandırması
YEZI ALI KADHIM
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiMühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı
PROF. DR. ALOK MISHRA
PROF. DR. REŞAT ÖZGÜR DORUK
- Detection and classification of breast cancer in whole slide histopathology images using deep convolutional networks
Derin evrişimli ağlar ile tüm slayt histopatolojisi resimlerinde meme kanseri tesbiti ve sınıflandırılması
BARIŞ GEÇER
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM AKSOY
- A medical decision making system for brain tumor identification from magnetic resonance images using machine learning techniques
Makine öğrenimi tekniklerini kullanarak manyetik rezonans görüntülerinden beyin tümörünün belirlenmesi için tıbbi karar verme sistemi
ZAHRAA ABD AL RAHMAN MOHAMMED AL SAFFAR
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- Convolutional neural networks for classification of Alzheimer's disease and mild cognitive impairment from 3D brain MRI images
Başlık çevirisi yok
ANAS ALSAYED
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ROWANDA D A AHMED