Serebrovasküler hastalıkların teşhisi için yapay zeka tabanlı karar destek sistemi
Artificial intelligence based decision support system for diagnosis of cerebrovascular disease
- Tez No: 819720
- Danışmanlar: DOÇ. DR. UĞURHAN KUTBAY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 157
Özet
Serebrovasküler hastalıklar, beyni besleyen damar bölümleri üzerinde, kan akışının zayıflaması, durması veya damarların yırtılması sonucunda beyinde hasara yol açan ve beyin fonksiyonlarında ciddi bozukluklara sebep olan hastalık grubudur. Serebrovasküler hastalıklar, dünya genelinde ölüm nedenleri arasında üçüncü sırada yer alırken, hastalık sonrasında engelli kalma oranı açısından ilk sırada yer almaktadır. Bu nedenle, beyin damarlarının oluşturduğu vasküler yapının detaylı bir şekilde incelenmesi, erken hastalık teşhisi ve cerrahi planlama gibi klinik uygulamalar için büyük önem taşımaktadır. Klinik uygulamalarda, radyologlar tarafından kullanılan medikal görüntüleme araçlarındaki damar segmentasyon işlemi, manuel veya yarı otomatik bir şekilde gerçekleştirilebilmektedir. Genellikle bu işlemlerde kullanılan algoritmalar kural tabanlı veya el ile öz nitelik çıkartım işlemini içerdiğinden, karmaşık yapıdaki anjiyografi görüntülerinde damar segmentasyon başarısının düşük olmasına sebebiyet verebilmektedir. Bu nedenle, yapılan tez çalışmasının ilk aşamasında Hesse matris tabanlı filtreleme, bağlı birleşen analizi ve bölge büyütme algoritması gibi klasik görüntü işleme tabanlı yöntemler kullanılarak damar bölümlerinin segmentasyonu sağlanmıştır. İkinci aşamada ise segmentasyon başarısını artırmak amacıyla son yıllarda bilgisayarlı görü alanında oldukça popüler olan derin öğrenme teknikleri kullanılarak, klinik kullanım için yüksek doğruluk oranıyla otomatik ve hızlı bir şekilde damar segmentasyonu gerçekleştirilmiştir. Derin öğrenme tabanlı segmentasyon işleminde ilk olarak majör serebral arterlere odaklanılmış olup bu bölgelerin segmentasyonu amacıyla UNet, ResUNet, ResUNet++ ve TransUNet gibi medikal görüntüleme alanında yaygın olarak kullanılan derin öğrenme mimarileri kullanılarak performansları karşılaştırılmıştır. Çalışmanın deneysel sonuçları incelendiğinde damar segmentasyon probleminde ResUNet++ mimarisinin diğer mimarilere kıyasla %91.6 ortalama Jaccard indeks değeri ile en yüksek başarı sonucu elde ettiği görülmüştür. Çalışmanın ilerleyen kısımlarında ise majör arterlerin yanı sıra diğer arter bölümlerinin de ResUNet++ mimarisi vasıtasıyla bölütlenmesi sağlanarak önerilen yaklaşımın, klasik kural tabanlı görüntü işleme algoritmalarına göre daha başarılı sonuçlar elde ettiği gözlemlenmiştir.
Özet (Çeviri)
Cerebrovascular diseases are a group of diseases that cause damage to the brain and serious disorders in brain functions as a result of weakening, stopping, or tearing of the blood flow in the vascular sections that feed the brain. While cerebrovascular diseases are in third place among the causes of death worldwide, they are in first place in terms of the rate of being disabled after the disease. Therefore, a detailed examination of the vascular structure formed by the cerebral vessels is of great importance for clinical applications such as early disease diagnosis and surgical planning. In clinical applications, vessel segmentation in medical imaging tools used by radiologists can be performed manually or semi-automatically. Since the algorithms generally used in these processes involve rule-based or manual feature extraction, they may cause low vessel segmentation success in complex angiography images. For this reason, in the first stage of the thesis study, segmentation of vessel segments is provided by using classical image processing-based methods such as Hesse matrix-based filtering, associated component analysis and region amplification algorithm. In the second stage, in order to increase the segmentation success, using deep learning techniques, which have been very popular in the field of computer vision in recent years, automatic and rapid vessel segmentation was performed with high accuracy for clinical use. In the deep learning-based segmentation process, the major cerebral arteries were focused first, and their performances were compared using deep learning architectures commonly used in the medical imaging field such as UNet, ResUNet, ResUNet++ and TransUNet for the segmentation of these regions. When the experimental results of the study were examined, it was seen that the ResUNet++ architecture achieved the highest success with an average Jaccard index value of 91.6% compared to other architectures in the vessel segmentation problem. In the later parts of the study, it was observed that the proposed approach achieved more successful results than the classical rule-based image processing algorithms by ensuring that the major arteries as well as other artery sections were segmented through the ResUNet++ architecture.
Benzer Tezler
- Design of electrospun cardiovascular bypass graft using derivative of poly (Alkylene terephthalate)
Poli (Alkilen tereftalat) türevi kullanılarak elektro eğrilmiş kardiyovasküler baypas greft tasarımı
BERNA ŞENSU
Yüksek Lisans
İngilizce
2020
Tekstil ve Tekstil Mühendisliğiİstanbul Teknik ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
PROF. DR. HALE KARAKAŞ
- Patient-specific in-silico hemodynamic characterization of the AAOCA anomaly in left coronary artery network
Sol koroner arter ağındaki AAOCA anomalisinin hastaya özel ın-sılıco hemodinamik karakterizasyonu
HACER DUZMAN
Yüksek Lisans
İngilizce
2024
Biyomühendislikİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. MUSTAFA SERDAR ÇELEBİ
- Acil serviste serebrovasküler hastalık tanısı alan hastalarda serum trombosit kaynaklı büyüme faktörü-beta (PDGF-ß) düzeylerinin araştırılması
Investigation of serum platelet derived growth factor-beta (PDGF-ß) levels in patients diagnosed with cerebrovascular disease in the emergency departmant
GÖKHAN AKSOY
- Tip 2 DM hastalarında karaciğer fibrozisi ve diyabetik retinopati ilişkisi
The relationship between liver fibrosis and diabetic retinopathy in type 2 DM patients
SELİN ÇINAR
Tıpta Uzmanlık
Türkçe
2021
İç HastalıklarıSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. SEDA SANCAK NURDAN
- Akut koroner sendrom'lu hastalarda plazma homosistein düzeyleri
Plasma homocystein levels in acute coronary syndrome patients
CENK DEMİRCİ
Tıpta Uzmanlık
Türkçe
1999
BiyokimyaSağlık Bakanlığıİç Hastalıkları Ana Bilim Dalı
UZMAN COŞKUN YAVUZGİL