COVID-19 tanılı bilgisayarlı tomografi görüntülerinde akciğer ve pnömoni bölgelerinin farklı senaryolarda semantik segmentasyonu
Semantic segmentation of lung and pneumonia regions in different scenarios on COVID-19 diagnosed computer tomographic images
- Tez No: 748633
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMET ÜSAME ÖZİÇ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 114
Özet
Çin'in Vuhan kentinde ortaya çıkan COVID-19 hastalığı tüm dünyaya hızlı bir şekilde yayılarak, ülkeleri sosyolojik ve ekonomik olarak ciddi anlamda etkilemiştir. Hastalık tat ve koku duyusunun kaybedilmesi, kuru öksürük ve akciğerlerde pnömoni ile kendini göstermektedir. Hastalığın teşhisi burundan alınan sürüntünün PCR testine verilmesi ve bilgisayarlı tomografi görüntülerinin incelenmesi ile gerçekleştirilmektedir. Ancak PCR testlerinin yanlış negatif değerlerinin çok fazla olması teşhis sürecini yanlış yönlendirebilmektedir. Bilgisayarlı tomografi görüntülerinde buzlanma şeklinde pnömonin görülmesi teşhis sürecini hızlandırmaktadır. Bu tez çalışmasında, ZENODO veri seti kullanılarak COVID-19 bilgisayarlı tomografi görüntülerinde farklı senaryolarda semantik segmentasyon işlemi gerçekleştirilmiştir. Veri setinde bulunan maske görüntülerinde ön işlemeler gerçekleştirilerek sekiz farklı senaryo için akciğer ve pnömoni bölgelerinin maskeleri türetilmiştir. DeepLabV3+ semantik segmentasyon modeline ResNet-18, ResNet-50, MobileNet-v2, Xception, Inception-ResNet-v2 entegre edilerek sekiz farklı maske için kırk deneme yapılmıştır. Sonuçlar doğruluk, jaccard (IoU), küresel doğruluk, ortalama doğruluk, ortalama IoU, ağırlıklı IoU, ortalama BF(F1) puanı performans kriterleri ile değerlendirilmiştir. Çalışma sonucunda akciğer ve pnömoni bölgelerinin farklı kombinasyonlarda oluşan maskelerinin semantik segmentasyona etkisi tartışılmıştır. Bilgisayarlı tomografi görüntülerinde akciğer ve pnömoni bölgelerinin DeepLabV3+ ile semantik segmentasyonun etkili ve başarılı sonuçlar verdiği gözlemlenmiştir.
Özet (Çeviri)
The COVID-19 disease, which emerged in Wuhan, China, spread rapidly all over the world and seriously affected countries sociologically and economically. The disease manifests itself with loss of sense of taste and smell, dry cough and pneumonia in the lungs. The diagnosis of the disease is made by giving the swab taken from the nose to the PCR test and examining the computed tomography images. However, too many false negative values of PCR tests can mislead the diagnostic process. Observation of pneumonia in the form of icing on computed tomography images accelerates the diagnostic process. In this thesis, semantic segmentation was performed in different scenarios on COVID-19 computed tomography images using the ZENODO data set. Masks of the lung and pneumonia regions were derived for eight different scenarios by preprocessing the mask images in the dataset. Forty attempts were made for eight different masks by integrating ResNet-18, ResNet-50, MobileNet-v2, Xception, Inception-ResNet-v2 into the DeepLabV3+ semantic segmentation model. The results were evaluated with the performance criteria of accuracy, jaccard (IoU), global accuracy, average accuracy, average IoU, weighted IoU, average BF(F1) score. As a result of the study, the effect of masks formed in different combinations of lung and pneumonia regions on semantic segmentation is discussed. It has been observed that semantic segmentation of lung and pneumonia regions with DeepLabV3+ gives effective and successful results in computed tomography images.
Benzer Tezler
- COVID-19 pnömonisinde akciğer tutulumu ile trakeobronşial sistem ve fissürel anatomik varyasyonlar arasındaki ilişkinin bilgisayarlı tomografi ile değerlendirilmesi
Evaluation of the relationship between lung involvement and tracheobronchial system and fissural anatomical variations in COVID-19 pneumonia by computed tomography
TÜRKER ACAR
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- COVID-19'a bağlı akciğer tutulumu gösteren hastalarda paraspinöz kas kitlesi ölçümünün prognostik değerinin retrospektif olarak belirlenmesi
Retrospective determination of the prognostic value ofparaspinous muscle mass measurement in patients withpulmonary involvement due to COVID-19
ÜMMEHAN AKBULUT
Tıpta Uzmanlık
Türkçe
2022
Acil TıpBursa Uludağ ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. ŞULE AKKÖSE AYDIN
- Covid-19 hastalığının sınıflandırılmasında derin öğrenme modellerinin performanslarının karşılaştırılması
Comparison of the performances of deep learning models in classification of Covid-19 disease
PERVİN SÜRGÜÇOĞLU
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKastamonu ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEMAL AKYOL
- Bilgisayarlı tomografi görüntüleri kullanılarak COVID-19 hastalığının tanısı için derin öğrenme yöntemlerinin kullanılması
Using deep learning methods to diagnose COVID-19 disease using computed tomography images
MUHAMMED ALPEREN HOROZ
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA ARSLAN TUNCER