Geri Dön

Yapay zeka derin öğrenme algoritmaları ile mr görüntüleri ve ameliyat sırasındaki mikroskop görüntüleri kullanılarak derin öğrenme tekniği ile tümör sınıflaması yapılması ve tümörün normal beyin dokusundan ayırt edilmesinin sağlanması

Başlık çevirisi mevcut değil.

  1. Tez No: 789886
  2. Yazar: EFECAN ÇEKİÇ
  3. Danışmanlar: PROF. DR. ADNAN DAĞÇINAR
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Biyoteknoloji, Computer Engineering and Computer Science and Control, Science and Technology, Biotechnology
  6. Anahtar Kelimeler: yapay zekâ, derin öğrenme, yüksek dereceli glial tümör, meningiom, metastaz, cerrahi mikroskop, MR görüntüleme, artificial intelligence, deep learning, high-grade glial tumour, meningioma, metastasis, surgical microscope, MR imaging
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Beyin ve Sinir Cerrahisi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 56

Özet

Amaç: Bu çalışmada; beyin tümörlerinden yüksek dereceli glial tümörler, meningiomlar ve metastazlarda manyetik rezonans (MR) görüntülemeleri ve hastanın ameliyat sırasındaki mikroskop görüntüleri kullanılarak tümör cinsinin tahmin edilmesi ve ameliyat sırasındaki mikroskop görüntülerinde tümör dokusu ile normal dokunun sınırlarının çizilip ayrımının yapılmasının sağlanması amaçlanmaktadır. Gereç ve Yöntem: Tarafımızca beyin tümörü tanısı konulmuş hastalardan ameliyat sırasında kaydedilmiş görüntüler ve MR görüntüleri alınacaktır. Bu veriler, hastanın ameliyat sırasında yapılan işlemlerin mikroskop tarafından kaydedilen, Marmara Üniversitesi Nörolojik Bilimler Enstitüsü ve Pendik Eğitim Araştırma Hastanesi'ndeki arşiv görüntülerinden oluşacaktır. Bu görüntüler yapay zekâ sinir ağı modelini eğitebilmek için sağlıklı ve tümör dokularının bulunduğu görüntülerden oluşacaktır. Model hem MR görüntüleri hem de mikroskop görüntüleri üzerinde çalışabilecek ve hibrid öğrenme ile her ikisi üzerinden bir sonuç ortaya koyabilecektir. Tümör tespitinde başarılı sonuçlar elde edebilmek için her bir etikete ait görüntü sayısının dağılımının dengeli bir biçimde yapılması sağlanacaktır. Görüntülerin Etiketlenmesi: Hastaya ait film ve mikroskop görüntüleri, tarafımızca etiketlenecek ve makine öğrenmesi aşamasına hazır hale getirilecektir. Etiketler tümör tiplerini (yüksek dereceli glial tümör, metastaz, meningiom vb.) ve sağlıklı dokuları (serebrum) içermektedir. Makine öğrenmesi: Etiketlenen görüntüler kullanılarak model derin öğrenme algoritmaları ile eğitilecek ve doğruluk oranları gözlemlenecektir. Patoloji sonuçları ile karşılaştırma: Yapay zekâ algoritmamızın ortaya koyduğu sonuçlar patoloji sonuçları ile karşılaştırılacak ve doğruluk oranları her bir tümör sınıfında ortaya konulmaya çalışılacaktır. Sonuç: Tümörün sınıflaması için patoloji sonuçları altın standart yöntem olmasına rağmen MR görüntülemeleri ve mikroskop sırasındaki görüntüler kullanılarak beyinde en çok prevelansa ve insidansa sahip bu üç tümörün (yüksek dereceli glial tümör, meningiom, metastaz) sınıflaması ve sınırlarının normal dokudan ayrımı yapay zekâ algoritmaları kullanılarak anlamlı ölçüde yapılabilir.

Özet (Çeviri)

Purpose of the study: This study aims to predict the classification of tumours and differentiate and demarcate the tumour and normal brain tissue using magnetic resonance imaging (MRI) and the microscope images of patients tumor, taken during surgery.of high-grade glial tumours, meningiomas and metastasis of the brain . Materials and Methods: MRI images and images recorded during surgery of the patients who were diagnosed with brain tumour by neurosurgeons in our department will be obtained. The data to be collected will consist of archived microscopic images of the procedures performed during surgeries at Marmara University Institute of Neurosciences and Pendik Training and Research Hospital. These images will include particularly the healthy and tumour tissues in order to train the model of the artificial intelligence neural network. This model will be able to operate on MRI and microscopic images as well as provide outcomes on both through hybrid learning. Balance in distribution of number of images belonging to each label will be ensured to achieve efficient results in detection of tumours. Labelling of images: The MRI scan and microscopic images of patients will be labelled and prepared for the machine learning stage. The labels include the types of tumours (e.g., high-grade glial tumour, metastasis, meningioma etc.) and healthy tissues (cerebrum). Machine learning: The model will be trained through deep learning algorithms using labelled images, and the accuracy rates will be monitored. Comparison with pathology results: The results obtained through the artificial intelligence algorithms will be compared with the pathology results and the accuracy rates will be calculated for each tumour type. Results: Although the pathology results are the gold standard method for the classification of tumours, the classification of the three tumour types which have the highest prevalence and incidence in the brain (i.e., high-grade glial tumour, meningioma, metastasis) and differentiation of them from the normal brain tissue can be achieved at a significant level through artificial intelligence algorithms using the MRI and microscopic images.

Benzer Tezler

  1. Rektum kanserinde neoadjuvan tedaviye cevabın değerlendirilmesinde derin öğrenmenin yeri

    The role of deep learning in the evaluation of the response toneoadjuvant chemoradiotherapy in rectal cancer

    EDA CİNGÖZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Radyoloji ve Nükleer Tıpİstanbul Üniversitesi

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. MERVE GÜLBİZ DAĞOĞLU KARTAL

  2. Derin öğrenme mimarileri ile MR taramalarından omuriliğin otomatik bölütlenmesi ve MS lezyonlarının ayırıcı tanısı

    Automatic segmentation of the spinal cord from MR scans and differential diagnosis of MS lesions with deep learning architectures

    RUKİYE POLATTİMUR

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE DANDIL

  3. Parkinson hastalarının dikkat fonksiyonlarına ait beyin aktivasyonlarının fonksiyonel MRG ile incelenmesi ve evrişimsel sinir ağları ile sınıflandırılması

    Analysis of the brain activations of attention functions of Parkinson patients with functional MRI and classification with conventional neural networks

    NUR YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    BiyomühendislikSelçuk Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜZİN ÖZMEN

  4. Metasezgisel algoritmalar ve derin öğrenme kullanılarak çok kaynaklı görüntü füzyonu

    Multi-source image fusion using metaheuristic algorithms and deep learning

    ASAN IHSAN ABAS ABAS

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NURDAN BAYKAN

  5. Medikal görüntü analizinde gürültü saldırılarına karşı derin öğrenme modellerinin performanslarının karşılaştırılması

    Benchmarking of deep learning models against adversarial attacks in medical image analysis

    GÖKÇE OK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgi Güvenliği Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT DENER