Derin öğrenme tabanlı beyin tümörü segmentasyonu
Deep learning based brain tumor segmentation
- Tez No: 757860
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜR EMRE GÜRAKSIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Nöroloji, Computer Engineering and Computer Science and Control, Engineering Sciences, Neurology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
- Sayfa Sayısı: 82
Özet
Beyin tümörü segmentasyonu, sağlıklı dokuyu tümörlü bölgelerden ayırmayı amaçlar. Günümüzde beyin tümörü segmentasyonu manuel olarak radyoloji uzmanları tarafından yapılmaktadır. Son yıllarda derin öğrenme yöntemleri kullanılarak uygulanan otomatik bilgisayar destekli sistemler manuel algılama sistemlerinin yerini alarak büyük bir ivme kazanmıştır. Beyin tümör türlerinin yarısından fazlasını gliomalar oluşturmaktadır. Beyin MR görüntülerini kullanarak glioma tümörlerini manuel olarak segmente etmek oldukça zorludur. Bunun sebebi; glioma tümörlerin şekil, boyut, hacim, konum ve görünüm açısından farklı olması ve sağlıklı dokularla tümörlü dokuların yapısı birbirine benzediği için ikisini birbirinden ayırt etmenin zor olmasıdır. Veri seti olarak her sene düzenlenen BRATS yarışmasındaki 2019 yılının beyin MR görüntüleri kullanılmıştır. Bu çalışmada diğer çalışmalardan farklı olarak, tümörün farklı bölümlerinin daha net görülmesi için uygun modaliteler kullanılmış ve tümör boyutlarına göre MR görüntülerinin kırpılma işlemi gerçekleştirilmiştir. Tam tümör segmentasyonu, genişleyen + nekroz ve genişleyen tümör segmentasyonu için ayrı ayrı 3 model eğitimi gerçekleştirilmiştir. Yapılan eğitimler sonucunda, literatürdeki çalışmalarla karşılaştırıldığında bu çalışma tam tümör segmentasyonunda 2., nekroz + genişleyen tümör segmentasyonunda 2., genişleyen tümör segmentasyonunda 1. olarak öncü çalışmalar arasında girmiştir.
Özet (Çeviri)
Brain tumor segmentation aims to separate healthy tissue from tumor sites. Today, brain tumor segmentation is performed manually by radiologists. In recent years, automated computer-aided systems implemented using deep learning methods have gained great momentum by replacing manual detection systems. More than half of brain tumor types are gliomas. Manually segmenting glioma tumors using brain MRI images is quite challenging. The reason for this is; glioma tumors are different in shape, size, volume, location and appearance, and it is difficult to distinguish between the two because healthy tissues and tumorous tissues are similar in structure. As a data set, brain MRI images of 2019 in the BRATS competition held every year were used. In this study, unlike other studies, appropriate modalities were used to see different parts of the tumor more clearly and MR images were cropped according to tumor sizes. 3 model trainings were carried out separately for complete tumor segmentation, expanding + necrosis and expanding tumor segmentation. As a result of the trainings conducted, compared to the studies in the literature, this study was among the pioneering studies as the 2nd in complete tumor segmentation, 2nd in necrosis + expanding tumor segmentation, and 1st in expanding tumor segmentation.
Benzer Tezler
- MR görüntülerinde derin öğrenme ile beyin tümör segmentasyonu
Brain tumor segmentation with deep learning on MR images
BİLAL TAŞDEMİR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NECAATTİN BARIŞÇI
- Radyolojı̇k görüntülerde derı̇n öğrenme kullanılarak kanser alt tı̇plerı̇nı̇n ve genotı̇plerı̇nı̇n sınıflandırılmasının gelı̇ştı̇rı̇lmesı̇
Enhancing classification of cancer subtypes and genotypes using deep learning on radiological images
NESLİHAN GÖKMEN İNAN
Doktora
Türkçe
2024
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. OZAN KOCADAĞLI
PROF. DR. CHUNLEİ LIU
- A comprehensive framework for early tumor detection and quality control of MRI images using python
Erken tümör tespiti ve MRI görüntülerinin kalite kontrolü için kapsamlı bir çerçeve Python kullanımı
HUDA MOHSİN HADİ SHUJAIRI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. İSKENDER AKKURT
- Developing a smart method for real -time brain tumor localization and segmentation on ct ımages using hybrid techniques and yolo
Hibrit teknikler ve yolo kullanilarak bt görüntülerinde gerçek zamanli beyin tümörü lokalizasyonu ve segmentasyonu için akilli bir yöntem geliştirilmesi
NUSAIBAH KHALID ABDULMAJEED AL-SALIHI
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ULUS ÇEVİK
PROF. DR. TURGAY İBRİKÇİ
- Derin öğrenmenin U-net modellemesi kullanılarak beyin tümörünün görüntü tabanlı segmentasyonu
Image-based segmentation of brain tumor using U-net modeling of deep learning
DUYGU IŞIK