Geri Dön

Görüntü işleme yöntemleri kullanılarak medikal abdominal görüntülerde böbrek yeri ve böbrek taşlarının tespiti ve analizi

Detection and analysis of kidney location and kidney stones in medical abdominal images using image processing methods

  1. Tez No: 847987
  2. Yazar: MERVE AŞKIN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SALİM ÇINAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Niğde Ömer Halisdemir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 65

Özet

Yapılan çalışmada Toplu Kanal Özellikleri (ACF; Aggregate Channel Features), eşikleme ve morfoloji yöntemleri birleştirilerek kullanıcı müdahalesi gerekmeksizin abdominal BT (Bilgisayarlı Tomografi) görüntülerinde otomatik böbrek ve böbrek taşı tespiti gerçekleştiren bir yöntem önerilmiştir. ACF yöntemi daha az etiketli veri ile eğitim yaparak otomatik böbrek tespiti gerçekleştirir. Buna ek olarak, ACF herhangi bir ön işlemeye, görüntü iyileştirmeye ihtiyaç duymaz. ACF ile tespit edilen böbrek bölgelerine eşikleme ve morfolojik işlemler uygulanarak sadece böbrek bölgelerinde taş tespiti gerçekleştirilir. Bu sayede abdominal BT görüntülerinde, böbrek sınırı dışında kalan taşa benzer nesneler değerlendirmeye alınmamıştır. ACF yöntemi 150 adet abdominal BT görüntüsünden oluşan veri setine uygulanmıştır. Yöntemin performansı karışıklık matrisi ile değerlendirilmiştir. Deneysel sonuçlar ACF, eşikleme ve morfoloji yöntemlerinin abdominal BT görüntülerinde böbrekleri ve böbrek taşlarını başarılı bir şekilde tespit ettiğini göstermiştir.

Özet (Çeviri)

In this study, a method that performs automatic kidney and kidney stone detection in abdominal Computed Tomography (CT) images without user interference is proposed by combining Aggregate Channels Features (ACF), thresholding and morphology methods. ACF method performs automatic kidney detection by training with less labelled data. In addition, ACF does not require any pre-processing or image enhancement. By applying thresholding and morphological operations to the kidney regions detected with ACF, stones are detected only in the kidney regions. In this way, stone-like objects outside the kidney boundary in abdominal CT images are not evaluated. The ACF method was applied to a dataset consisting of 150 abdominal CT images. The performance of the method is evaluated by confusion matrix. Experimental results show that ACF, thresholding and morphology methods successfully detect kidneys and kidney stones in abdominal CT images.

Benzer Tezler

  1. Derin öğrenme yöntemleri kullanılarak CT görüntüleri üzerinden damar segmentasyonu

    Vessel segmentation on CT images using deep learning methods

    ÖMER FARUK BOZKIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Göğüs Kalp ve Damar CerrahisiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT CEYLAN

  2. Abdomen BT görüntülerinde pankreas segmentasyonu için yeni bir derin öğrenme yaklaşımı: Pascal U-Net

    A new deep learning approach for pancreas segmentation on abdomen CT images: Pascal U-Net

    ENDER KURNAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAHİME CEYLAN

  3. Histopatolojik meme kanseri görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması

    Classification of histopathological breast cancer images by deep learning methods

    GİZEM IRMAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET SAYGILI

  4. Çekişmeli üretici ağ tabanlı veri artırımı yaklaşımı ile otoskop görüntülerinden kulak zarı patolojilerinin tespiti

    Detection of eardrum pathologies from otoscope images with generative adversarial network-based data augmentation approach

    MUSTAFA FURKAN ESEOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MİNE ELİF KARSLIGİL YAVUZ

  5. Etkin doz ve görüntü kalitesinin hastaya spesifik olarak belirlenmesi ve diagnostik referans doz seviyeleri ile karşılaştırılması

    Determination of effective dose and image quality patient specifically and comparison with diagnostic reference dose levels

    BETÜL YAMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Fizik ve Fizik MühendisliğiAnkara Üniversitesi

    Medikal Fizik Ana Bilim Dalı

    YRD. DOÇ. DR. ÖZLEM BİRGÜL