Akciğer kanseri olan hastaların bilgisayarlı tomografi görüntülerinin görüntü işleme yöntemleri ile bölütlenmesi
Segmentation of computed tomography images of lung cancer patients with image processing methods
- Tez No: 784303
- Danışmanlar: PROF. DR. SEMRA İÇER
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Mühendislik Bilimleri, Science and Technology, Engineering Sciences
- Anahtar Kelimeler: Akciğer Kanseri, Görüntü İşleme, Bilgisayarlı Tomografi, İşaretçi Kontrollü Havza Yöntemi, U-Net, Jaccard Indeks, Lung Cancer, Image Processing, The Computed Tomography, Marker Controlled Watershed Segmentation, U-Net, Jaccard Indeks
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Bu çalışmada akciğer kanseri hastalarının bilgisayarlı tomografi görüntülerinden tümör bölgesinin pratik ve doğru bir şekilde bölütlenmesi amaçlanmaktadır. Bu amaç için iki farklı yöntem kullanılmıştır. Birinci yöntem bölge tabanlı yöntemlerden işaretçi kontrollü havza bölütleme yöntemi diğeri ise derin öğrenme yöntemlerinden U-Net yöntemi seçilerek bölütleme sonuçları karşılaştırılmıştır. Bu yöntemler ile dört farklı veri setinden altmış görüntü kullanılarak tümör bölütlemesi yapılmıştır. Bölütleme başarısı temel gerçek görüntülere olan benzerlik oranları açısından Jaccard indeks yöntemiyle incelenmiştir. İşaretçi kontrollü havza yöntemi için RIDER akciğer CT veri seti için ortalama 0.8231, Lung1 veri seti için ortalama 0.8365, Lung3 veri seti ortalama 0.8578, ve LIDC-IDRI veri seti için ortalama 0.8641 Jaccard indeks değerleri elde edilmiştir. U-Net yönteminde kırk görüntü eğitim için kullanılmıştır. On altı görüntü doğrulama için kullanılmıştır. Test ettiğimiz dört görüntü için Jaccard indeks değeri ortalama 0.8382 elde edilmiştir. Akciğer tümörünün pratik ve başarılı bir şekilde bölütlenmesi konusunda mevcut çalışmamız başarılı bölütleme açısından ümit verici olmuştur. Akciğer tümörünün pratik ve başarılı bölütlenmesi hekimlere kolaylık sağlamasının yanı sıra tedavi süreçlerinin takibi açısından da faydalar sağlayacaktır.
Özet (Çeviri)
In this study, it is aimed to segment the tumor area practically and accurately from computed tomography images of lung cancer patients. Two different methods were used for this purpose. It was compared segmentation results by choosing the first method, the marker-controlled watershed segmentation method, the other region-based methods and the U-Net method, another deep learning methods. Tumor segmentation was performed using sixty images from four different data sets with these methods. Segmentation success was analyzed with the Jaccard index method in terms of similarity rates to the ground truth images. The index was attained as average 0.8231 for the RIDER lung CT dataset, 0.8365 for the lung1 dataset, 0.8578 for the lung3 dataset and 0.8641 for the LIDC-IDRI dataset. Forty images were used to training in the U-Net method. Sixteen images were used for validation. The average Jaccard index value of 0.8382 was attained for the four images we tested. Our current study on the practical and successful segmentation of lung tumor has been promising in the way of successful segmentation. Practical and successful segmentation of the lung tumor will not only provide convenience to doctor, but will also provide benefit in the way of observing the treatment processes.
Benzer Tezler
- Akciğer kanserinin bilgisayarlı tomografi görüntüleri kullanılarak derin öğrenme ile tespiti
Detection of lung cancer with deep learning using computed tomography images
YUNUS EMRE KARACA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERPİL ASLAN
- Akciğer kanseri radyoterapi planlamasında pozitron emisyon tomografisi (PET)'nin yeri
Positron emission tomography (PET)'s place in lung cancer radiotherapy planning
İBRAHİM BABALIOĞLU
Tıpta Uzmanlık
Türkçe
2013
OnkolojiAnkara ÜniversitesiRadyasyon Onkolojisi Ana Bilim Dalı
PROF. DR. ŞABAN ÇAKIR GÖKÇE
- Maligniteli olgularda kemik metastazlarının kemik sintigrafisi ve pozitron emisyon tomografi/bilgisayarlı tomografi ile kantitatif ve görsel olarak karşılaştırılması
Patients with bone metastases malignancies bone scintigraphy and pet-ct in comparison with quantitative and visual
GÜRKAN GÜRAY
Tıpta Uzmanlık
Türkçe
2012
Radyoloji ve Nükleer TıpTrakya ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF. DR. ALİ SARIKAYA
- Modeling of magnetic nanoparticle concentration from CT images for cancer therapy using hyperthermia
Hipertermi ile kanser tedavisi için manyetik nanoparçacıkların konsantrasyonlarının bilgisayarlı tomografi kullanılarak modellenmesi
RASTIN ALABAF
Yüksek Lisans
İngilizce
2018
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Akciğer BT görüntülerinden tümörlü verilerin farklı derin öğrenme modelleriyle tahmini
Prediction of tumor data from lung CT images with different deep learning models
VOLKAN ÇETİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR