Geri Dön

Hücre-damar segmentasyonunda kullanılan derin sinir ağı modellerinin hiper-parametre optimizasyonu

Hyper-parameter optimization of deep neural networks for cell-vessel segmentation

PDF İndir

  1. Tez No: 824767
  2. Yazar: ZEKİ KUŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BERNA KİRAZ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Fatih Sultan Mehmet Vakıf Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Derin sinir ağları (DSA), medikal görüntülerin segmentasyonu için önemli bir araçtır. Ancak, DSA'ların performansı, seçilen mimari ve hiper parametrelere bağlıdır. Bu hiper parametreler manuel olarak seçilebilir, ancak bu zaman alıcı ve zor olabilir. Bu nedenle, Sinir Mimarisi Arama (NAS) yöntemleri geliştirilmiştir. Bu çalışmada ilk olarak, UNAS-Net adlı yeni bir NAS yöntemi önerilmiştir. UNAS-Net, Diferansiyel Evrim (DE) ve Yerel Arama (LS) gibi meta-sezgisel yöntemlerle optimize edilmiştir. Önerilen yöntem, Optofil ve Hücre Çekirdeği veri kümeleri üzerinde test edilmiş ve U-Net mimarisinden segmentasyon performansı ve hesaplama karmaşıklığı açısından daha iyi performans sergilemiştir. İkinci olarak, beyin damarı segmentasyonu için diferansiyel evrim tabanlı NAS yaklaşımları önerilmiştir. Bu yaklaşımlar, medikal görüntü segmentasyonunda yaygın olarak kullanılan U-Net ve Attention U-Net ağlarını temel almıştır. Arama yöntemi olarak, Geleneksel DE ve karşıtlık tabanlı diferansiyel gelişim (ODE) yöntemleri seçilmiştir. Deneyler, vesseINN ve KUVESG olmak üzere iki farklı herkese açık beyin damar segmentasyonu veri kümesi üzerinde gerçekleştirilmiştir. Önerilen yöntemler, farklı segmentasyon metrikleri açısından daha iyi segmentasyon performansı sağlamış ve temel yöntemlere göre 9.15 kat daha karmaşık mimariler üretmiştir. Retina damar segmentasyonu (RDS), retina hastalıklarının belirlenmesine ve izlenmesine yardımcı olduğu için medikal görüntü analizinde çok önemlidir ve otomatik yöntemlere ihtiyaç duyulmaktadır. Üçüncü olarak, RDS problemi için yüksek segmentasyon performansına ve daha düşük çıkarım süresine sahip mimarileri keşfeden yeni bir NAS yöntemi önerilmiştir: MedUNAS. En iyi ağ yapısını aramak için ODE ve genetik algoritma (GA) yöntemleri kullanılmış ve ayrıca ayrık ve sürekli kodlama stratejileri karşılaştırılmıştır. Önerilen yöntemler, 15 kata kadar daha az parametreye sahip ağlarla dört veri kümesinde temel U-Net'ten daha iyi performans göstermiştir. Ayrıca, oluşturulan ağların yeni medikal görevlere etkili bir şekilde uyarlanabileceği ortaya konulmuştur. Son olarak, tahmin ediciler ile NAS sürecinin birlikte gerçekleştirildiği BaDENAS yaklaşımı önerilmiş ve RDS problemi için test edilmiştir. Sonuçlar, BaDENAS'ın temel alınan yöntemleri model karmaşıklığı, segmentasyon performansı ve yakınsama hızı açısından iyileştirdiğini ortaya koymuştur.

Özet (Çeviri)

Deep neural networks (DNNs) are important methods for the segmentation of medical images. However, the performance of DNNs depends on the architecture and hyperparameters. These hyperparameters can be selected manually, which can be time-consuming and difficult. Therefore, Neural Architecture Search (NAS) methods are developed. First, we propose a new NAS method called UNAS-Net. UNAS-Net is optimized by meta-heuristics such as Differential Evolution (DE) and Local Search (LS). UNAS-Net is evaluated on the Optofil and Cell Nucleus datasets and outperforms the U-Net regarding segmentation performance and computational complexity. Second, DE-based NAS approaches for brain vessel segmentation are proposed. These approaches are based on U-Net and Attention U-Net, which are widely used in medical image segmentation. Traditional DE and opposition-based DE (ODE) are chosen as search methods. The experiments are performed on two publicly available cerebrovascular segmentation datasets: vesseINN and KUVESG. The proposed methods achieved better segmentation performance in different segmentation metrics and generated 9.15 times more complex architectures than the baselines. Retinal vessel segmentation (RVS) is very important in medical image analysis as it helps to identify and monitor retinal diseases, and automated methods are needed. Third, a new NAS method is proposed for the RVS that discovers architectures with high segmentation performance and lower inference time: MedUNAS. ODE and genetic algorithm (GA) methods are used to search for the best network structure, and also discrete and continuous encoding strategies are compared. The proposed methods outperformed the baseline U-Net on four datasets with networks with up to 15 times fewer parameters. Furthermore, it is demonstrated that the generated networks can be effectively adapted to new medical tasks. Finally, the BaDENAS approach, which combines predictors with the NAS process, is proposed and tested for the RVS problem. The results show that BaDENAS improves the baselines regarding model complexity, segmentation performance and convergence speed.

Benzer Tezler

  1. Tez No

    924771

    Keçi dalağının arteriyel mikrovaskülarizasyonu

    Arterial microvascularization of the goat spleen

    BARAN ERDEM

    Doktora

    Türkçe

    Türkçe

    2025

    AnatomiHatay Mustafa Kemal Üniversitesi

    Veterinerlik Anatomisi Ana Bilim Dalı

    PROF. DR. SEVİNÇ ATEŞ

    PROF. DR. MERYEM KARAN

  2. Tez No

    175622

    Sirolimusun damar endotel hücre fonksiyonu ve serum homosistein, kolesterol, trigliserid düzeylerine etkisi

    Başlık çevirisi yok

    AYŞE PARLAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2007

    Eczacılık ve FarmakolojiEge Üniversitesi

    Farmakoloji ve Klinik Farmokoloji Ana Bilim Dalı

    DOÇ. DR. CENK CAN

  3. Tez No

    163994

    Sabit protez uygulamalarının farklı aşamalarında pulpada damar endotellerinin hücre adezyon molekülleri yönünden immünohistokimyasal asal olarak değerlendirilmesi

    Immunohistochemical evaluation of endothelial cell adhesion molecules of dental pulp in different stages of fixed prosthodontic treatment

    BORA BAĞIŞ

    Doktora

    Türkçe

    Türkçe

    2005

    Diş HekimliğiAnkara Üniversitesi

    Protetik Diş Tedavisi Ana Bilim Dalı

    PROF.DR. UFUK HASANREİSOĞLU

  4. Tez No

    489766

    Hücre tabaka mühendisliği ile göbek kordonu perisitlerinden üç boyutlu damar grefti eldesi

    Generation of three-dimensional vascular graft from umbilical cord pericytes using cell sheet engineering

    BEYZA GÖKÇINAR YAĞCI

    Doktora

    Türkçe

    Türkçe

    2018

    BiyomühendislikHacettepe Üniversitesi

    Kök Hücre Ana Bilim Dalı

    YRD. DOÇ. DR. BETÜL ÇELEBİ SALTIK

  5. Tez No

    643582

    Orak hücre hastalığında retinal doku ve damar değişikliklerinin değerlendirilmesi

    Evaluation of retinal tissue and vascular changes in sickle cell disease

    NUHKAN GÖRKEMLİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Göz HastalıklarıÇukurova Üniversitesi

    Göz Hastalıkları Ana Bilim Dalı

    PROF. DR. AYŞE NİHAL DEMİRCAN

Geri Dön