Geri Dön

Segmentation of brain tumor MRI images using watershed thresholding

Beyin tümörü MR görüntülerinin havza eşiği kullanarak segmentasyonu

  1. Tez No: 796925
  2. Yazar: AHMED TALIB ATIYAH ATIYAH
  3. Danışmanlar: Prof. Dr. OSMAN NURİ UÇAN
  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: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
  13. 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

  1. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Ana Bilim Dalı

    PROF. DR. MUSTAFA DOĞAN

  2. Detection of cancerous brain cells with machine learning

    Makine öğrenimi ile kanserli beyin hücrelerinin tespiti

    UYGAR CANKAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TANER DANIŞMAN

  3. Derin öğrenme yöntemlerini kullanarak MR görüntülerinden otomatik tümör tespiti

    Automatic tumor detection from brain MRI images using deep learning techniques

    NECİP ÇINAR

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET KAYA

  4. MR görüntüleri kullanarak otomatik beyin tümörü tespiti

    Automatic detection of brain tumors using MRI images

    İSMAİL ATBAKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    MatematikAydın Adnan Menderes Üniversitesi

    Matematik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RIFAT AŞLIYAN

  5. 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

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    BiyolojiEge Üniversitesi

    Biyoloji Ana Bilim Dalı

    DOÇ. DR. SAVAŞ İZZETOĞLU