Geri Dön

Predicting brain tumours using artificial neural networks

Başlık çevirisi mevcut değil.

  1. Tez No: 796270
  2. Yazar: LUBNA ALI JALIL SHNAWA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
  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: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 62

Özet

Bir resmi bölümlere ayırmak, onu ayrı parçalara bölmek anlamına gelir. Görüntü işlemedeki en zorlu işlerden biri, gerçek dünyada önemli sonuçları var. Damarlar, dokular ve kemikler gibi nesneleri tanımlamak ve görmek için kullanıldığı bilgisayar görüşü ve tıbbi görüntü işleme dahil olmak üzere çeşitli uygulamaları vardır. Ek olarak, daha birçok karmaşık algoritmanın başarısı, doğru segmentasyon bulgularına bağlıdır. Şu anda kabul edilebilir sonuçlar veren birçok yöntem vardır; ancak bu yöntemler, hız, doğruluk ve gerçek zamanlı nesne izleme veya segmentasyon gibi daha zor ve zamana duyarlı sorunları ele almalarına izin verecek daha kötü ve daha karmaşık görüntüleri işleme yeteneği dahil olmak üzere çeşitli şekillerde geliştirilebilir. hasarlı görüntülerin Birçok kişi, görüntüleri büyütme zorluğuna çözümler bulmuştur. Düşük çözünürlüklü (LR) bir resme sahip olmak ve onu yüksek çözünürlüklü (HR) bir resme dönüştürmek istemek mümkündür. Süper çözümleme, yalnızca güvenlik kameralarından alınan çok düşük çözünürlüklü (VLR) görüntüleri yükseltmenin suçları daha hızlı çözmeye yardımcı olabileceği profesyonel dünyada değil, aynı zamanda kişisel yaşamlarımızda da faydalıdır. Görüntü yükseltme teknikleri zaten mevcuttur. Basit enterpolasyonlar etkili olsa da, kalite her zaman beğeninize olmayabilir. Rakip ağlara (GAN'lar) dayalı bir makine öğrenimi stratejisi kullanarak yeni bir strateji kullanmayı amaçladık.

Özet (Çeviri)

Segmenting a picture means cutting it up into individual parts. One of the most challenging jobs in image processing, it has significant real-world implications. It has several applications, including those in computer vision and medical image processing, where it is utilized to identify and see objects like veins, tissues, and bones. In addition, the success of many more complex algorithms is contingent on accurate segmentation findings. There are currently many methods that yield acceptable results; however, these methods could be enhanced in several ways, including speed, accuracy, and the ability to handle worse and more complex images, which would allow them to address more difficult and time-sensitive problems, such as real-time object tracking or segmentation of damaged images. Many individuals have found solutions to the challenge of enlarging images. It's possible to have a low-resolution (LR) picture and desire to convert it to a high-resolution (HR) one. Super resolving is useful not just in the professional world, where upscaling very low resolution (VLR) images from security cameras may help solve crimes more quickly, but also in our personal lives. Image upscaling techniques already exist. Although simple interpolations are effective, the quality may not always be to your liking. We aimed to use a novel strategy by using a machine learning strategy based on adversarial networks (GANs

Benzer Tezler

  1. 2018-2023 yılları arasındaki glioblastoma hastaları kullanılarak yapılan yapay zeka çalışmalarının sistematik olarak analizi

    Systematic analyzing of artificial intelligence studies carreied out on people with glioblastoma between the years 2018 and 2023

    ELİN KARADAĞ YAVUZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Sağlık YönetimiİSTANBUL NİŞANTAŞI ÜNİVERSİTESİ

    Sağlık Yönetimi Ana Bilim Dalı

    PROF. DR. ZEYNEP BİRSU ÇİNÇİN

  2. Derin öğrenme yöntemleri kullanılarak beyin tümörü tiplerinin ve sınırlarının tahminlenmesi

    Prediction of brain tumor types and limits using deep learning methods

    MERVE PINAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ

  3. Yüksek dereceli gliomlarda tedaviye bağlı gelişen radyonekrozun, nüks ya da rezidü tümöral lezyondan ayrımında bilgisayar temelli yapay zekânın rolü

    The role of computer-based artificial intelligence in distinguishing treatment-related radiation necrosis from recurrent or residual tumoral lesions in high-grade gliomas

    İBRAHİM ALTINDAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Radyoloji ve Nükleer TıpSelçuk Üniversitesi

    Radyoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HALİL ÖZER

  4. Erişkin glial tümörlerde ki-67 proliferasyon indeksinin konvansiyonel MRG, difüzyon MRG, SWI ve perfüzyon MRG ile öngörülmesi

    Prediction of ki-67 proliferation index in adult type glial tumors using conventional MRI, diffusion MRI, SWI, and perfusion MRI findings

    MUHAMMET ARİF KURŞUN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Radyoloji ve Nükleer Tıpİstanbul Medeniyet Üniversitesi

    Radyodiagnostik Ana Bilim Dalı

    DOÇ. DR. BEGÜMHAN BAYSAL

  5. Segmentation on brain MR images by using deep learning network and 3D modelling

    Derin öğrenme ile MR görüntüleri üzerinde görüntü segmentasyonu ve 3D modelleme

    GÖKAY KARAYEĞEN

    Doktora

    İngilizce

    İngilizce

    2021

    Mühendislik BilimleriBaşkent Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET FEYZİ AKŞAHİN