Segmentation and detection of spinal anomaly in MRIs
Başlık çevirisi mevcut değil.
- Tez No: 798431
- Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tıbbi görüntülemenin çok yeni ve hızla büyüyen bir alan olmasına rağmen, çok çeşitli diğer alanlarla önemli bağları vardır. Bu sektördeki ilerleme, ilk olarak, mühendislerin katkılarını artıran ve tıbbi teknolojinin gelişimini hızlandıran önemli fizik keşifleriyle sağlandı. Bulgularımıza göre, MRI görüntü işleme için geliştirilmiş mevcut bir CNN'de denetimli öğrenme görevine liderlik etmek için bir CNN'de kendi kendini denetlemenin kullanılması, hata oranlarını azaltmaya ve mevcut CNN'deki denetimli öğrenme işinin kalitesini artırmaya yardımcı olabilir. Bir bütünün bileşenlerine ayrıştırılması Tıbbi görüntülemede kendi kendini denetleme kritik öneme sahiptir çünkü alan hızla artmaktadır ve yalnızca birkaç tipik örneğe erişilebilmesiyle zaten çok büyük olan veri setlerinin katlanarak büyümesiyle sonuçlanmaktadır. Bu tezde, multipl skleroz için çeşitli MRG sekanslarını incelemek üzere önümüzdeki yıllarda az sayıda hasta ile başlamayı planlıyoruz. Sonuç olarak, bu ortamda veri iyileştirme ve gelişmiş model geliştirme için yeni teknikler gerekli olacaktır.
Özet (Çeviri)
Despite the fact that medical imaging is a very new and rapidly growing area, it has significant ties to a broad variety of other fields. Progress in this sector was first enabled by key physics discoveries, which augmented engineers' contributions and hastened the development of medical technology. According to our findings, using self-supervision on a CNN to lead the supervised learning task inside an existing CNN developed for MRI image processing may help to reduce error rates and improve the quality of the supervised learning job within the current CNN. dissection of a whole into constituents' Self-supervision is critical in medical imaging since the area is rapidly increasing, resulting in an exponential growth of already huge data sets with just a few typical samples accessible. in this thesis, we intend to begin with a small number of patients in the coming years to examine various MRI sequences for multiple sclerosis. As a consequence, fresh techniques to data improvement and advanced model development will be required in this setting.
Benzer Tezler
- Computer aided detection of spina bifida using features derived from curvature scale space and Zernike moments
Eğrilik ölçek uzayından ve Zernike momentlerinden türetilen özniteliklerle spina bifidanın bilgisayar destekli tanısı
UMUT KONUR
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SADIK FİKRET GÜRGEN
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL
- Derin öğrenme ile 11 – 13 + 6 hafta gebelikte açık spina bifida belirteçlerinin otomatik tespiti ve ölçümü
Automatic detection and measurement of open spina bifida markers at 11 – 13 + 6 weeks of gestation via deep learning
DENİZ ATAŞ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YONCA BAYRAKDAR YILMAZ
- Multiple sclerosis (MS) hastalığının erken teşhisi için manyetik rezonans (MR) görüntülerinin otomatik segmentasyonu
Automatic segmentaion of multiple sclerosis disiese (MS) from magnetic rezonans images (MRI) for early detection
CAN KİRAZ
Yüksek Lisans
Türkçe
2015
Mühendislik BilimleriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- Detection and classification of brain tumors in MRI images using deep convolutional neural network
Başlık çevirisi yok
HUSSEIN ALISMAEELI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN