Derin öğrenme yöntemlerikullanarak kalça displazisinin belirlenmesi
Determining hip dysplasia using deep learning methods
- Tez No: 817233
- Danışmanlar: DOÇ. DR. MURAT CEYLAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Gelişimsel kalça displazisi (GKD), doğum öncesi, doğum sırası ya da doğum sonrası çeşitli nedenlere bağlı olarak kalça ekleminin normal gelişememesi sonucu oluşan bir hastalıktır. Ülkemizde yapılan araştırmalarda, dislokasyon oranlarının 5-15:1000 gibi yüksek olduğunu görülmüştür. Gelişimsel kalça displazisinin (GKD) tespit etmek için kullanılan en önemli yöntem ise kalça ultrasonografisidir (US). Kalça US görüntüsünün elde edilme aşaması operatöre ve dış etkilere bağlı olduğu için değişkenlik göstermektedir. Bu değişkenlikte yanlış sınıflandırmalara yol açabilmektedir. Gerçekleştirilen tez çalışması ile bu değişkenliği ortadan kaldırmak ve hataları en aza indirmek için yapay zekâ tabanlı bir sistem geliştirilmiştir. Geliştirilen sistem 2 aşamalı bir derin öğrenme modelini kapsamaktadır. İlk aşamada U-NET mimarisi ikinci aşamada da Maske ile bölge tabanlı evrişimsel sinir ağı mimarisi kullanılmaktadır. İlk olarak kalça US görüntüsü doğru alınıp alınmadığı yani analiz edilebilirliği kontrol edilmektedir. Belirlenmesi gereken 3 temel anatomik yapının (iskium, ilium, labrum) tespit edilip edilmediği kontrol edilir. Daha sonra iliak kemiğin temel çizgiye paralelliği kontrol edilmektedir. Eğer ilium temel çizgiye paralelse ve tüm anatomik yapılar tespit edilmişse, US görüntüsü analiz edilebilir olarak sınıflandırılmaktadır. Analiz edilebilir olarak sınıflandırılan bu US görüntüsü üzerinde alfa ve beta açıları hesaplanarak gelişimsel kalça displazisi sınıflandırılmaktadır. Tez çalışmasında geliştirilen sistemin, gelişimsel kalça displazisi tanısında operatörler arası değişkenliği ortadan kaldırarak, yapılacak teşhisin doğruluğunu arttıracağı ve böylelikle uzmanlara yardımcı olacağı düşünülmektedir
Özet (Çeviri)
Developmental hip dysplasia (DDH) is a disease in which the hip joint fails to develop normally due to various reasons before, during or after birth. In studies conducted in our country, it has been observed that dislocation rates are as high as 5-15:1000. The most important method used to detect developmental hip dysplasia (DDH) is hip ultrasonography (US). The stage of obtaining the hip US image varies because it depends on the operator and external influences. This variability may lead to misclassification. In this thesis, an artificial intelligence based system has been developed to eliminate this variability and minimise errors. The developed system includes a 2-stage deep learning model. In the first stage, U-NET architecture is used and in the second stage, region-based convolutional neural network architecture with mask is used. Firstly, it is checked whether the hip US image is taken correctly, that is, whether it can be analysed. It is checked whether the 3 basic anatomical structures (ischium, ilium, labrum) that need to be determined are detected. Then, the parallelism of the iliac bone to the baseline is checked. If the ilium is parallel to the baseline and all anatomical structures are detected, the US image is classified as analysable. Alpha and beta angles are calculated on this US image classified as analysable and developmental hip dysplasia is classified. It is thought that the system developed in this thesis will increase the accuracy of the diagnosis to be made by eliminating inter-operator variability in the diagnosis of developmental hip dysplasia and thus will help the experts
Benzer Tezler
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Derin öğrenme yöntemleri kullanarak etkin ayrık işaret dili tanıma sistemi geliştirme
Development of an efficient isolated sign language recognition system based on deep learning methods
ANIL OSMAN TUR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HACER YALIM KELEŞ
- Derin öğrenme yöntemleri kullanarak 3B geometri işleme ve uygulamaları
3D geometry processing and applications by using deep learning methods
KAYA TURGUT
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HELİN DUTAĞACI
- Derin öğrenme yöntemleri kullanarak dijital deliller üzerinde adli bilişim incelemesi
Başlık çevirisi yok
SERKAN KARAKUŞ
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiAdli Bilişim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA KAYA
- Derin öğrenme yöntemleri kullanarak bilgisayarlı tomografi görüntülerinden covid-19'un tespit edilmesi
Detecting covid-19 from computed tomography images using deep learning methods
SEMİHA GÜNGÖR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KAYA