Cerebrospinal fluid lumen segmentation with artificial intelligence techniques
Yapay zeka teknikleri ile beyin omurilik sıvısı lümen bölütlemesi
- Tez No: 821552
- Danışmanlar: PROF. DR. FATİH VEHBİ ÇELEBİ, PROF. DR. OKTAY ALGIN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Nöroşirürji, Radyoloji ve Nükleer Tıp, Computer Engineering and Computer Science and Control, Neurosurgery, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Görüntü işleme-bilgisayarlı, Manyetik rezonans görüntüleme, Serebrospinal sıvı, Image processing-computer assisted, Magnetic resonance imaging, Cerebrospinal fluid
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin Omurilik Sıvısının (BOS) karmaşık davranışlarının analizi, BOS'un anormal dolaşımı hastalıkların gelişmesine yol açtığından, hastalık teşhisi için gerekli hale gelmiştir. Faz-Kontrast Manyetik Rezonans Görüntüleme (FK-MRG) adı verilen cerrahi işlem gerektirmeyen yenilikçi bir teknik, hem kalp döngüsündeki BOS akışının zaman serisi ölçümlerine hem de ilgi bölgesinin (ROI) görsel verilerine olanak tanır. Teknik, tam ROI konumunu belirlemek ve BOS akışının gerekli incelemesini ve değerlendirmesini yapmak için oldukça fazla zaman ve deneyim gerektirir. Bu tez, bu sorunu ele almak için alt torasik bölgeyi bölütlemek için iki otomatik yöntem önermektedir. İlk olarak, özellik olarak pulsatil veriler kullanan makine öğrenimi teknikleri uygulandı. İkincisi, eğitim için üçüncü boyut olarak FK-MRG'den gelen pulsatil verilerle beslenen üç boyutlu (3B) U-Net modeli tasarlandı. Veri seti, 39 kontrol deneği ve idiyopatik skolyozlu bireylerin 57 levhasından 2176 faz ve tekrar faz 3-tesla PC-MRI görüntüsü içerir. Eğitimden sonra 3B Attention U-Net modelini değerlendirmek için 5 katlı çapraz doğrulama prosedürü kullanıldı ve ortalama %97 kesinlik, %95 geri çağırma, %98 F1 puan ağırlıklı performansı ve %95 eğri altı alan elde edildi. Model başarısı ayrıca BOS akış dalga biçimi nicelikleri kullanılarak da ölçüldü. İşaretli ve tahmin edilen BOS lümenlerinden geçen ortalama ve tepe akış hızları, sırasıyla 0.96 ve 0.65'lik önemli bir korelasyon katsayısına sahiptir. Bilinen kadarıyla bu tez, PC-MRI verilerinde hem uzamsal hem de pulsatil akış bilgilerini kullanarak omurgadaki BOS içeren boşlukları segmentlere ayıran ilk tam otomatik 3B derin öğrenme uygulamasıdır. Bu çalışmanın, derin modelleri eğitmek için FK-MRG pulsatil verilerinin kullanımına ilişkin gelecekteki araştırmaların ilgisini çekmesi beklenmektedir.
Özet (Çeviri)
Analysis of the complex behaviors of Cerebrospinal Fluid (CSF) has become essential for disease diagnosis since an abnormal circulation of CSF leads to the development of illnesses. An innovative non-invasive technique called Phase-Contrast Magnetic Resonance Imaging (PC-MRI) allows both time series measurements of CSF flow in the cardiac cycle and the region of interest's (ROI) visual data. The technique requires a significant amount of time and experience to determine the exact ROI location and perform the necessary examination and evaluation of the CSF flow. This dissertation suggests two automatic methods for segmenting the lower thoracic region to address that issue. First, machine learning techniques were implemented using pulsatile data as a feature. The second, three-dimensional (3D) U-Net model, fed with pulsatile data from PC-MRI as the third dimension for training, was designed. The dataset includes 2176 phase and rephase 3-tesla PC-MRI images from 57 slabs of 39 control subjects and individuals with idiopathic scoliosis. The 5-fold cross-validation procedure was used to evaluate the 3D Attention U-Net model after training and achieved an average weighted performance of 97% precision, 95% recall, 98% F1 score, and %95 area under curve. The model's success was also measured using the CSF flow waveform quantities. The mean and peak flow rates through the labeled and predicted CSF lumens had a significant correlation coefficient of 0.96 and 0.65 sequentially. From what is known, this thesis is the first fully automatic 3D deep learning implementation to segment CSF-containing spaces in the spinal using both spatial and pulsatile flow information in PC-MRI data. This work is expected to attract future research using PC-MRI pulsatile data for training deep models.
Benzer Tezler
- Transuda ve eksuda: Enzim aktivitelerinin vücut sıvılarında araştırılması
Başlık çevirisi yok
MUSTAFA TOKER
Yüksek Lisans
Türkçe
1988
BiyokimyaAnadolu ÜniversitesiBiyokimya Ana Bilim Dalı
Y.DOÇ.DR. KURAL GÜLBAHAR
- Menenjit'li hastalarda, BOS ve kanda, kreatin foskokinaz, laktat dehidrojenaz ve aldolaz enzimlerinin değerlendirilmesi
Başlık çevirisi yok
GÜNGÖR KANBAK
- Alzheimer tipi demanslı hastalarda BOS kolin düzeyleri
Başlık çevirisi yok
TANSEL HACIMUSTAFAOĞLU ERTÜRK
- Buzağılarda hydranencephalie olgularında patolojik-anatomik bulgular
Pathologic-anatomic findings in calves with hydranencephaly
RIFKI HAZIROĞLU
Doktora
Türkçe
1987
Veteriner HekimliğiAnkara ÜniversitesiPatoloji Ana Bilim Dalı
PROF.DR. HÜSEYİN KERİM URMAN
- Akut tromboembolik tipte serebrovasküler atak geçiren hastalarda diltiazemin serebrospinal sıvıda LD ve CK aktiviteleri üzerine etkileri
Başlık çevirisi yok
AYTEKİN AKYÜZ
Tıpta Uzmanlık
Türkçe
1990
NörolojiCumhuriyet ÜniversitesiNöroloji Ana Bilim Dalı
DOÇ. DR. SUAT TOPAKTAŞ