Segmentation of brain tumor MRI images using watershed thresholding
Beyin tümörü MR görüntülerinin havza eşiği kullanarak segmentasyonu
- Tez No: 796925
- Danışmanlar: Prof. Dr. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: 100
Özet
Manyetik rezonans görüntüleme (MRI) beyin taramaları kullanılarak beyin tümörlerinin tespiti, tıbbi görüntü işleme alanında en aktif araştırma alanlarından biri haline geldi. Sistemin birincil amacı tümörün saptanmasıdır. Biyomedikal görüntülemede algılama çok önemli bir işlev görür. Bu çalışmada, tümörleri tespit etmek için MRI beyin görüntüleri kullanılmaktadır. Beynin net bir görüntüsü elde edilemiyorsa ve tümörün yeri, boyutu ve tipi biliniyorsa hastaya yanlış dozlar uygulanarak sağlıklı beyin dokusu tahrip olur. Doktorların iş yükü nedeniyle tanı koymak için gereken süreyi uzatan radyoloji eğitimi almış hekim eksikliği nedeniyle, algoritmanın tanı koymak için gereken süreyi ve hızı azaltma yeteneği, uygulandığı takdirde onu son derece değerli kılmaktadır. Bu çalışmada, yerini belirlemek ve izole etmek için MRI taramalarında tümör bölgesini bölümlere ayırmak için yeni bir yöntem öneriyoruz. Başlangıçta, görüntüler için havza yaklaşımı kullanılır, ardından beyin tümörünü izole etmek için ikinci bir bölütleme yapılır. Tüm uygulama ve bölümleme faaliyetlerinde MATLAB ve Maya kullanılacaktır. Algoritmaya bir uygunluk işlevi dahil edildikten sonra, DICE- ve JACCARD-bölümlü görüntüler, birbirleriyle ne kadar iyi karşılaştırıldıklarını belirlemek için puanlanır. Her iki işleme de 0,1 mm'lik bir eşik uygulandığında, ortaya çıkan doğruluk olağanüstüydü. 3B segmentasyonun sonuçları taramalar arası değerlendirme kullanan diğer modellerin sonuçlarıyla karşılaştırıldığında, 21 durumun 16'sında 0,1 mm'den fazla tutarsızlıklar gözlendi. Diğer beyin tümörü segmentasyon algoritmaları, segmentasyon için standart eşiği kullanırsa, tümörün alanlarını kaçıracaktır. Segmentasyon eşiğini değiştirerek, önceden var olmayan beyin bölgelerini yeniden oluşturabildik ve bu değişikliklerin görüntü kalitesini nasıl etkilediğini değerlendirebildik. Hem Jaccard hem de Dice segmentasyon puanları, eşik değişikliğinden sonra tüm zamanların en yüksek seviyesi olan 0,95'e ulaştı.
Özet (Çeviri)
The detection of brain tumors using magnetic resonance imaging (MRI) brain scans has become one of the most active areas of research in the field of medical image processing. The primary purpose of the system is the detection of the tumor. In biomedical imaging, detection plays a pivotal function. In this study, MRI brain images are used to detect tumors. If a clear image of the brain cannot be obtained and the location, size, and type of the tumor are known, the patient will be administered incorrect doses, resulting in the destruction of healthy brain tissue. Due to the dearth of radiology-trained physicians, which lengthens the time required to make a diagnosis due to the doctors' workload, the algorithm's ability to reduce the time and speed required to make a diagnosis makes it extremely valuable if implemented. In this study we propose a new method for segmenting the tumor territory on MRI scans in order to locate and isolate it. Initially, the watershed approach is used to the images, followed by a second segmentation to isolate the brain tumor. MATLAB and Maya will be utilized for all application and division activities. After including a fitness function into the algorithm, the DICE- and JACCARD-segmented images will be scored to determine how well they compare to one another. When a 0.1 mm threshold was applied to either process, the resulting accuracy was outstanding. When comparing the results of the 3D segmentation to those of other models using interscan evaluation, discrepancies more than 0.1 mm were observed in 16 of 21 instances. If other brain tumor segmentation algorithms use the standard threshold for segmentation, they will miss areas of the tumor. By modifying the segmentation threshold, we were able to recreate previously nonexistent brain regions and assess how these alterations affected the image quality. Both the Jaccard and Dice segmentation scores hit an all-time high of 0.95 after the threshold change.
Benzer Tezler
- Diagnosis of brain cancer and contour normal tissue for radiation therapy based on deep learning methods
Derin öğrenme yöntemleriyle radyoterapi için beyin kanseri tanisi ve normal doku ayrimi
NAVID HALILI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Detection of cancerous brain cells with machine learning
Makine öğrenimi ile kanserli beyin hücrelerinin tespiti
UYGAR CANKAT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TANER DANIŞMAN
- Derin öğrenme yöntemlerini kullanarak MR görüntülerinden otomatik tümör tespiti
Automatic tumor detection from brain MRI images using deep learning techniques
NECİP ÇINAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KAYA
- MR görüntüleri kullanarak otomatik beyin tümörü tespiti
Automatic detection of brain tumors using MRI images
İSMAİL ATBAKAN
Yüksek Lisans
Türkçe
2021
MatematikAydın Adnan Menderes ÜniversitesiMatematik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RIFAT AŞLIYAN
- 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