Geri Dön

Multi-task network for computed tomography segmentation through fractal dimension estimation

Fraktal boyut tahmini kullanarak bilgisayarli tomografi segmentasyonu için çok-görevli ağ

PDF İndir

  1. Tez No: 777776
  2. Yazar: AZIZA SABER JABDARAGH
  3. Danışmanlar: PROF. DR. ÇİĞDEM GÜNDÜZ DEMİR
  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: 2023
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

C¸ ok-g¨orevli ¨o˘grenmenin, problemin farklı y¨onlerini yansıtmak ¨uzere yardımcı g¨orevleri tanımlamasının ve bunları ana g¨orev olan segmentasyon ile e¸s zamanlı olarak ¨o˘grenmesinin, yo˘gun bir tahmin a˘gının segmentasyon g¨orevindeki performansını artırmak i¸cin etkili bir strateji oldu˘gu kanıtlanmı¸stır. Onceki ¸calı¸smalar, ¨ yardımcı g¨orevlerini Oklid uzayında tanımlamı¸slardır. Ancak, bazı b¨ol¨utleme ¨ g¨orevlerinde, ilgi b¨olgesinin dokusundaki karma¸sıklık ve y¨uksek de˘gi¸skenlik, Oklid ¨ geometrisindeki d¨uzg¨unl¨uk kısıtlamasına uymayabilir. Bu tez, bir g¨or¨unt¨udeki doku karma¸sıklı˘gını birbirine benzer desenler aracılı˘gıyla nicelle¸stirmek i¸cin fraktal geometriyi kullanan yeni bir ¸cok-g¨orevli a˘g olan MTFD-Net modelini tanımlayarak bu sorunu ele almaktadır. Bu ama¸cla, bir g¨or¨unt¨uy¨u fraktal boyut bir haritasına d¨on¨u¸st¨urmeyi ve bunun ¨o˘grenilmesini yardımcı bir g¨orev olarak tanımlamayı ¨oneriyoruz. Bu, bilgisayarlı tomografi g¨or¨unt¨ulerinde sol kulak¸cık segmentasyonunun iyile¸stirilmesine y¨onelik ana segmentasyon g¨orevine yardımcı denetim sa˘glamak amacıyladır. Bildi˘gimiz kadarıyla, bu, bir yardımcı g¨orevi tanımlamak i¸cin fraktal geometriyi kullanan ve bunu ¸cok-g¨orevli bir ¨o˘grenme modelinde, b¨ol¨utleme g¨orevine paralel olarak ¨o˘grenen yo˘gun tahmin a˘gının a˘gı ¨oneren ilk ¸calı¸smadır. Deneylerimiz, ¨onerilen MTFD-Net modelinin, benzerlerine kıyasla daha do˘gru sol kulak¸cık segmentasyonuna olanak sa˘gladı˘gını ortaya koymu¸stur.

Özet (Çeviri)

Multi-task learning proved to be an effective strategy to increase the performance of a dense prediction network on a segmentation task, by defining auxiliary tasks to reflect different aspects of the problem and concurrently learning them with the main task of segmentation. Up to now, previous studies defined their auxiliary tasks in the Euclidean space. However, for some segmentation tasks, the complexity and high variation in the texture of a region of interest may not follow the smoothness constraint in the Euclidean geometry. This thesis addresses this issue by introducing a new multi-task network, MTFD-Net, which utilizes the fractal geometry to quantify texture complexity through self-similar patterns in an image. To this end, we propose to transform an image into a map of fractal dimensions and define its learning as an auxiliary task, which will provide auxiliary supervision to the main segmentation task, towards betterment of left atrium segmentation in computed tomography images. To the best of our knowledge, this is the first proposal of a dense prediction network that employs the fractal geometry to define an auxiliary task and learns it in parallel to the segmentation task in a multi-task learning framework. Our experiments revealed that the proposed MTFD-Net model led to more accurate left atrium segmentation, compared to its counterparts.

Benzer Tezler

  1. Tez No

    772090

    Anatomic context-aware segmentation of organs-at-risk in thorax computed tomography scans

    Toraks bilgisayarlı tomografi taramalarında risk altındaki organların anatomik içerik farkındalı segmentasyonu

    HAYA SHAMIM KHAN KHATTAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ÇİĞDEM GÜNDÜZ DEMİR

    PROF. DR. SELİM AKSOY

  2. Tez No

    213127

    Segmantation in abdominal medical images

    Karın bölgesine ait tıbbi görüntülerde bölütleme

    AYKUT KOCAOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2007

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. GÜLESER KALAYCI DEMİR

  3. Tez No

    856940

    Makine öğrenmesi yöntemleri ile sakrum kemiği üzerine bir karar destek sisteminin oluşturulması

    Designing a decision support system on the sacrum bone using machine learning methods

    FERHAT KILIÇ

    Doktora

    Türkçe

    Türkçe

    2024

    BiyomühendislikYozgat Bozok Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CEMİL ALTIN

  4. Tez No

    309883

    Development of a framework for surgery robotics

    Ameliyat robotları için yazılım iskeleti tasarlama

    MURAT BİLEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MUSTAFA DOĞAN

  5. Tez No

    856457

    Copd diagnosis classification on CT images using machine learning

    Makine öğrenmesi ile BT görüntülerinde koah tanısı sınıflandırması

    SOLEEN SABAH AMIN DAWOODAH

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    Assist. Prof. ZAFER İŞCAN

Geri Dön