Visual object detection in biomedical ımages with anchorless detectors
Biyomedikal imgelerde çapasiz dedektörlerle görsel nesne tespiti
- Tez No: 816245
- Danışmanlar: Assoc. Prof. Dr. HASAN SERHAN YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon - Sinyal İşleme Bilim Dalı
- Sayfa Sayısı: 75
Özet
Sağlık bilişiminde veri analizinin rolü, biyomedikal görüntülerin sayısının artmasıyla birlikte son yıllarda önem kazanmıştır. Biyomedikal görüntüler bağlamında, nesne dedektörleri görüntü analizi görevlerinin otomatikleştirilmesinde ve büyük veri kümelerinin yüksek verimli analizinin kolaylaştırılmasında önemli bir rol oynamaktadır. Biyomedikal görüntüler histoloji slaytları, mikroskopi görüntüleri ve tıbbi taramalar gibi çeşitli veri türlerini içerebilir. Nesne dedektörleri, bu görüntülerdeki hücreler, çekirdekler veya tümörler gibi belirli nesneleri tespit etmek için konvolüsyonel sinir ağı mimarileri kullanılarak eğitilebilir. Geleneksel görsel nesne algılayıcılarda, çapa kutuları, görüntünün üzerine bir ızgara üzerine yerleştirilmiş, farklı ölçeklerde ve en boy oranlarında önceden tanımlanmış kutulardır. Nesne sezici, nesnenin sınırlayıcı kutusunun çapa kutusuna göre kaymalarına göre nesnenin sınıfını tahmin eder. Çapa kutuları kullanan modeller, yüksek başarım oranları göstermesine rağmen, ankrajların boyutu, sayısı ve en-boy oranı gibi önceden belirlenmiş ankraj parametrelerine ihtiyaç duyar ve farklı boyutlara sahip küçük nodüllerin tespitinde zorlanmaktadır. Bu tez çalışmasının araştırma konusu, çapasız dedektörlerin biyomedikal görüntülerde uygulanmasıdır. Bu bağlamda, tespit edilecek nesnenin konumunu, merkezini, yüksekliğini ve genişliğini otomatik olarak tahmin eden, çapa içermeyen bir nesne dedektörü olan YOLOX modelini seçtik. Bu tezde, standart YOLOX modeli üzerinde çeşitli modifikasyonlar uygulayarak başarımı iyileştirmeyi hedefledik. Nodül tespitini verimli bir şekilde eğitmek için uzaklık IoU kayıp fonksiyonu kullanılmış ve bu da dedektörün daha hızlı yakınsamasını sağlamıştır. Görüntünün önemli alanlarını seçmek ve tespit doğruluğunu artırmak için dikkat modülleri de geliştirilmiş modelimize dahil edilmiştir. Ek olarak, tek aşamalı dedektörlerle ilişkili sınıf dengesizliği problemini çözmek için değişken odaklı kaybını kullandık. Modifiye edilmiş yöntemimiz beyin tümörü, akciğer kanseri ve böbrek taşı veri kümeleriyle test edildiğinde hem çapa tabanlı hem de çapasız modellerden daha iyi performans gösterdi. Deneyler sonucunda beyin tümörü tespiti için %87,56 Akciğer Görüntü Veritabanı Konsorsiyumu veri kümesi için %84,11 ve böbrek taşı tespiti için %83,06 ortalama kesinlik değerleri elde edilmiştir.
Özet (Çeviri)
The role of data analysis in health informatics has grown rapidly in the past years due to the increased number of biomedical data. In the context of biomedical images, object detectors play an important role in automating image analysis tasks and facilitating high-throughput analysis of large datasets. Biomedical images can include various types of data, such as histology slides, microscopy images, and medical scans. Object detectors can be trained by using convolutional neural network architectures to detect specific objects within these images, such as cells, nuclei, or tumors. In traditional visual object detectors, anchor boxes are pre-defined boxes of different scales and aspect ratios that are placed on a grid over the image. The detector then predicts the offset of the object's bounding box relative to the anchor box, as well as the object's class. Despite the good performance of state-of-the-art anchor-based models, they require predetermined anchor parameters such as size, number, and aspect ratio of anchors and have limitations when dealing with small nodules having different sizes. To overcome this, we have shifted our research towards the application of anchor-free models in biomedical images. We have selected YOLOX, an anchor-free object detector that automatically predicts the position, center, height, and width of the detected nodule without the design of the anchor parameters. In this thesis, we developed an improved model that includes several modifications to the standard YOLOX model. The Distance IoU loss function is utilized to train the nodule detection efficiently, resulting in faster convergence of the detector. Attention modules were also incorporated into our improved model to select the essential areas of the image and increase detection accuracy. Additionally, we introduced the varifocal loss to solve the class imbalance problem associated with one-stage detectors. Our modified method outperforms both anchor-based and anchor-free models when tested with brain tumor, lung cancer, and kidney stone datasets. After conducting experiments, we achieved a mean average precision of 87.56% for brain tumor detection, 84.11% for the Lung Image Database Consortium dataset, and 83.06% for kidney stone detection.
Benzer Tezler
- Süperpiksel algoritmalarının gürültü duyarlılığı ve nesne bölütleme performansının incelenmesi
Investigation of noise sensitivity and object segmentation performances of superpixel algorithms
FADİME ÖZER
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiSüleyman Demirel ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. UFUK ÖZKAYA
- A system implementation for analyzing and tracking motile objects in biomedical images
Biyomedikal görüntülerde hareketli nesnelerin analizi ve takibi için bir sistem gerçeklemesi
HAMZA OSMAN İLHAN
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN AYDIN
- Simulation, evaluation and study of digital breast tomosynthesis imaging based on compressed sensing methods using total variation minimization
Sayısal meme tomosentezi görüntülemenin toplam değişinti minimizasyonu kullanarak sıkıştırılmış algılama yöntemleri temelli benzetimi, değerlendirmesi ve çalışması
SAEEED SEYYEDI
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İSA YILDIRIM
- Videolarda devinim ve ivme büyütme yöntemleri
Motion and acceleration magnification methods in videos
REYHAN GÜRLEYEN
Yüksek Lisans
Türkçe
2020
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
- Doğadan esinlenen koku ve ikili görüye dayalı gerçek zamanlı bir gömülü sistem tasarımı
A bio-inspired real time embedded system design based on olfaction and stereo vision
SELMAN ERGÜNAY
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜŞTAK ERHAN YALÇIN