Diz MRI görüntüleri üzerinde veri artırım teknikleri kullanılarak derin öğrenme tabanlı yaralanma tespiti
Deep learning-based injury detection using data augmentation techniques on knee MRI images
- Tez No: 829220
- Danışmanlar: PROF. DR. AYBARS UĞUR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 81
Özet
Günümüzde insan yaşantısını kolaylaştıran ve hemen her alandaki problemlere çözüm arayışında geliştirilen yöntem ve teknolojilerden, medikal alanda da yaygın şekilde yararlanılmaktadır. Bu alanda hekimlerin süreç yönetimini kolaylaştırmaya odaklı birçok yapay zeka temelli çalışma hayata geçirilmiştir. Manyetik Rezonans Görüntülerinin (MRG) incelenmesinde ve teşhiste zorluk yaşanabilecek vakalarda hekimlere destek niteliği taşıyan yapay zeka temelli çalışmalar hekimlerin süreç yönetimini kolaylaştırmaktadır. Bu tezde, diz yaralanmalarının Manyetik rezonans görüntüleri üzerinden derin öğrenme teknikleri ile otomatik olarak tespit edilmesinde veri artırım tekniklerinin başarıya olan etkisi incelenmiştir. Tasarlanan modellerde başarıyı arttırmak için en uygun veri artırım teknikleri araştırılmıştır. 3 eksenden alınan MRG'ler üzerinde gerçekleştirilen deneylerde genelde en iyi sonuçlar geleneksel veri artırım yöntemleri ve AutoAugment mimarisiyle elde edilmiştir. Artırılan verilerin sınıflandırma başarısına etkisi çeşitli transfer öğrenme modelleri kullanılarak test edilmiş ve 3 farklı hastalık içerisinde en yüksek tespit doğruluk değeri anormal sınıfı için ResNet50 modeliyle %89,98 olarak elde edilmiştir. Ön çapraz bağ ve menisküs sınıfı için tahmin doğruluğu %84,96 ve %83,94 ile InceptionV3 modeliyle elde edilmiştir. Literatürde sert doku MRG'lerinin tespit çalışmalarında kullanımının daha zor olduğu belirtilmesine karşın AutoAugment mimarisiyle veri artırım sürecinin otomatikleştirilmesiyle %10'luk bir başarı artışı sağlanabilmiştir. Çalışmada yapılan literatür taraması ve araştırmalar neticesinde, sert doku görüntüleri üzerinden veri arttırım teknikleriyle tahmin başarısının emsal çalışmalardan bariz oranda daha yüksek seviyede arttırıldığı gözlemlenmiştir.
Özet (Çeviri)
Today, methods and technologies that facilitate human life and are developed in search of solutions to problems encountered in almost every field are widely used in the medical field. In this area, many artificial intelligence-based studies focused on facilitating the process management of physicians have been implemented. Artificial intelligence-based studies that support physicians in the examination and diagnosis of Magnetic Resonance Images (MRI) facilitate the process management of physicians. This thesis investigated the effect of data augmentation techniques on success in automatically detecting knee injuries on magnetic resonance images with deep learning techniques. The most appropriate data augmentation techniques were investigated to increase the success of the models designed. In experiments performed on 3-axis MRIs, the best results were generally obtained using traditional data augmentation methods and AutoAugment architecture. The effect of the increased data on the classification success was tested using various transfer learning models and the highest success rates for 3 different disease detections were obtained with the ResNet50 model, with a prediction accuracy of 89.98% for the abnormal class. Prediction accuracy for anterior cruciate ligament and meniscus class was obtained with the InceptionV3 model with 84.96% and 83.94%. Although it is stated in the literature that hard tissue MRIs are more difficult to use, a 10% increase in success has been achieved by automating the data augmentation process with the AutoAugment architecture. In the thesis, observed that the prediction success increased at a higher level than the similar studies with the data augmented from the hard tissue images.
Benzer Tezler
- Advanced MRI reconstruction and detection techniques for meniscal tear diagnosis at high acceleration factors
Yüksek hızlandırma faktörlerinde menisküs yırtığı teşhisi için gelişmiş manyetik rezonans görüntüleme (MRG) geriçatım ve tespit teknikleri
FATMA HARMAN
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ALPER SELVER
- Adli yaş tahmininde diz MR görüntülerinin uygulanabilirliği
Applicability of knee MRI in forensic age estimation
BESİM UYGUN
- Classification of knee osteoarthritis severity using deep learning with fully supervised and semi-supervised-based approaches
Derin öğrenme ile tamamen denetimli ve yarı-denetimli yaklaşım tabanlı diz osteoartrit şiddetinin sınıflandırılması
İLKNUR AKTEMUR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKAY ÖKSÜZ
- Rapid reconstruction for parallel magnetic resonance imaging with non-cartesian variable-density sampling trajectories
Değişken yoğunluklu kartezyen olmayan paralel manyetik rezonans görüntülemede hızlı geriçatım
CELAL FURKAN ŞENEL
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TOLGA ÇUKUR
- Diz osteoartritli hastalarda klinik değerlendirme parametreleri ile manyetik rezonans görüntüleme bulgularının ilişkisi
The relation between clinical evaluation parameters and magnetic resonance imaging findings in patients with knee osteoarthritis
GÜLİZ ALTOPARLAK
Tıpta Uzmanlık
Türkçe
2009
Fiziksel Tıp ve RehabilitasyonAnkara ÜniversitesiFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. ŞEHİM KUTLAY