Geri Dön

Meme ultrason görüntülerinde yer alan lezyonların Mask R-CNN derin öğrenme metodu ile bölütlenmesi

Segmentation of lesions on breast ultrasound images by Mask R-CNN deep learning method

PDF İndir

  1. Tez No: 743473
  2. Yazar: AHSEN AYDIN BÖYÜK
  3. Danışmanlar: PROF. DR. EMİNE BOLAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 80

Özet

Tüm dünyada meme kanseri, özellikle kadınlar arasında en sık rastlanan kanser türüdür. Diğer kanser türlerinde de olduğu gibi meme kanserinde de erken ve doğru yapılan teşhis çok yüksek önem arz etmektedir. Biyomedikal görüntü verileriyle çeşitli lezyonların hızlı ve doğru tespit edilebilmesi, hastalara erken ve etkili tedavi olanağı tanırken aynı zamanda da tedavi sonrası kaliteli yaşam imkânı verir. Gelişen teknolojiyle hem bilgisayar donanımlarının iyi bir seviyeye gelmesi hem de geçmiş zamana göre kullanılacak veriye kolaylıkla ulaşılabilmesi, yapay zekâ yöntemlerinin çeşitli alanlarda kullanılabilmesi olanağını sağlamıştır. Derin öğrenme teknikleri, medikal görüntülerde lezyon tespitinde uzmanlara yardımcı olması amacıyla kullanılmakta ve lezyon tespitinde uzmandan kaynaklanabilecek hataların minimuma indirilmesi sağlanmaktadır. Dolayısıyla yüksek doğruluğa sahip ve nispeten daha hızlı bir teşhis yöntemi olarak uzmanlara yardımcı olmaktadır. Bu tez çalışmasında, meme ultrason görüntülerinde bulunan iyi ve kötü huylu lezyonları görüntü alanından doğru şekilde bölütlemek için Mask R-CNN (Maskeli Bölgesel Evrişimli Sinir Ağı- Mask Regional Convolutional Neural Network) tekniği kullanılmıştır. Ayrıca mimariye, ImageNet ve COCO veri setleriyle önceden eğitilmiş olan ResNet50-FPN, ResNet50-C4, ResNet101-FPN, ResNet101-C4 olmak üzere farklı özellik çıkarıcı omurgaları da dahil edilmiştir. Kullandığımız bu model ve geliştirilebilecek diğer tüm modeller, hastanelerde PACS'lara entegre edilebilir ve hekimlerin teşhis koymalarına yardımcı olabilecek sistemler haline getirilebilir.

Özet (Çeviri)

Breast cancer is the most common type of cancer worldwide, especially among women. As in other types of cancer, early and correct diagnosis is very important in breast cancer. Rapid and accurate detection of various lesions with biomedical image data provides patients with early and effective treatment, while at the same time providing a quality life after treatment. With the developing technology, both the computer hardware to a good level and the easy access to the data to be used according to the past time have provided the opportunity to use artificial intelligence methods in various fields. Deep learning techniques are used to assist experts in lesion detection in medical images, and it is ensured that the errors that may arise from the specialist in lesion detection are minimized. Therefore, it helps experts as a highly accurate and relatively faster diagnostic method. In this thesis, Mask R-CNN (Masked Regional Convolutional Neural Network) technique was used to accurately segment benign and malignant lesions found in breast ultrasound images from the image area. Also included in the architecture are different feature extractor backbones, ResNet50-FPN, ResNet50-C4, ResNet101-FPN, ResNet101-C4, which are pre-trained with ImageNet and COCO datasets.This model that we use and all other models that can be developed can be integrated into PACS in hospitals and turned into systems can help physicians diagnose.

Benzer Tezler

  1. Tez No

    737771

    Superpixel assisted deep neural network for breast tumor segmentation in ultrasound images

    Süperpiksel destekli derin sinir ağı ile meme ultrason görüntülerinde tümör segmentasyonu

    NEFİSE UYSAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

    ÖĞR. GÖR. MURAT GEZER

  2. Tez No

    900468

    Breast cancer detection with convolutional neural network using ultrasound images

    Başlık çevirisi yok

    JIHAD JAMAL OTHMAN OTHMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YASEMİN ÇETİN KAYA

  3. Tez No

    405906

    Göğüs ultrason görüntülerinde benek gürültülerin giderilmesi

    Speckle noise reduction in breast ultrasound image

    ERMAN KILIÇALP

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    PROF. DR. ABDULKADİR ŞENGÜR

  4. Tez No

    799861

    Prediction breast cancer in fine needle aspiration images using machine learning

    Makine öğrenmeyi kullanarak ince iğne aspirasyon görüntülerinde meme kanseri tahmini

    LAYTH ADNAN MAJEED ALABDALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  5. Tez No

    570075

    Single-image bayesian restoration and multi-image super-resolution restoration for b-mode ultrasound images using an accurate system model

    B-mod ultrason görüntüleri üzerinde hassas sistem modeli kullanarak tek-görüntülü bayesçi onarma ve çok-görüntülü çözünürlük-üstü onarma

    MİNE CÜNEYİTOĞLU ÖZKUL

    Doktora

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Sağlık Bilişimi Ana Bilim Dalı

    PROF. DR. ÜNAL ERKAN MUMCUOĞLU

Geri Dön