Deep learning classification of territorial ischemic cerebrovascular accident in diffusion weighted magnetic resonance imaging
Difüzyon ağırlıklı manyetik rezonans görüntülemede iskemik serebrovaskuler olay büyük damar sınıflandırılmasında derin öğrenme
- Tez No: 857743
- Danışmanlar: PROF. DR. MUSTAFA ALPER SELVER
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Derin öğrenme, Difüzyon manyetik rezonans görüntüleme, Sayısal görüntü işleme, Deep learning, Diffusion magnetic resonance imaging, Digital image processing
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Teknolojiler Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnme küresel ölçekte yaygın görülen bir patolojidir ve ölüm ya da kalıcı fonksiyon kaybı ile sonuçlanma olasılığı yüksektir. İnmenin etiyolojisine ışık tutmak, tedaviyi yönlendirmek ve prognozu tahmin etmek amacıyla birçok yapay zekâ uygulaması geliştirilmiştir. Ancak en çok uygulanan görüntüleme yöntemi olan difüzyon ağırlıklı manyetik rezonans görüntülemede hangi arteriyel beslenme alanının etkilendiğini sinyal değişikliğinden belirleyebilecek bir araç henüz geliştirilmemiştir. Bu tez kapsamında amacım hangi arteriyel besleme alanının felçten etkilendiğini difüzyon ağırlıklı manyetik rezonans görüntülerindeki sinyal değişikliğinden otomatik olarak tespit edebilecek ve radyolog yokluğunda otomatik triyaj sağlayabilecek bir model geliştirmekti. Bu amaçla 3 farklı merkezden 624 adet hacimsel difüzyon ağırlıklı manyetik rezonans incelemesi toplanmış ve ön serebral arter, orta serebral arter ve arka dolaşım felçleri ile bu alanlar arasında yer alan sınır zon felçleri ve normal örnekler olmak üzere 5 ayrı sınıfı içeren uçtan uca tam otomatik bir sınıflandırıcı model oluşturulmuştur. Problem adım adım ele alınarak kesit bazlı, voksel bazlı ve hasta bazlı yaklaşımlar geliştirilmiştir. Ortaya çıkan iş akışı ve sınıflandırıcı model bir radyolog seviyesinde çalışmaktadır, dolayısıyla kliniğe entegre edilebilecek ve bir radyoloğun yokluğunda triyaj amacıyla kullanılabilecek bir araç geliştirmek açsından umut vericidir.
Özet (Çeviri)
Stroke is a common pathology on a global scale and has a high probability of death or permanent loss of function. Many artificial intelligence applications were developed to shed light on the etiology of stroke, direct treatment and predict prognosis. However, a tool that can determine which arterial supply area has been affected by the signal change in DWI, the most applied imaging method, has not yet been developed. Within the scope of this thesis, my aim was to develop a model that can automatically detect which arterial supply area has been affected by using the signal change in DWI images and provide automatic triage in the absence of a radiologist. For this purpose, 624 volumetric DWI examinations were collected from 3 different centers and an end-to-end fully automatic classifier model was created, which included 5 separate classes: anterior cerebral artery, middle cerebral artery, and posterior circulation strokes, which were the main arterial supply areas, and border zone strokes between these areas and normal subjects. The problem was addressed step by step and cross-section-based, voxel-based and patient-based approaches were developed. The resulting workflow and classifier model performs at the level of a radiologist, thus developing a tool that can be integrated into the clinic and used for triage purposes in the absence of a radiologist is promising.
Benzer Tezler
- Kraniyal difüzyon MRG'de derin öğrenme modelleri ile iskemik inmenin tanısı ve vasküler dağılımının sınıflandırılması
Diagnosis and vascular distribution classification of ischemic stroke with deep learning models in cranial diffusion MRIrezonan
YUSUF KENAN ÇETİNOĞLU
Tıpta Uzmanlık
Türkçe
2020
Radyoloji ve Nükleer Tıpİzmir Katip Çelebi ÜniversitesiRadyoloji Ana Bilim Dalı
DR. MUHSİN ENGİN ULUÇ
- Deep learning classification of cognitive workload levels from EEG wavelet transform images
EEG dalgacık dönüşüm görüntülerinden bilişsel yük seviyelerinin derin öğrenme ile sınıflandırılması
VOLKAN DOĞAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişsel Bilim Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. MURAT PERİT ÇAKIR
- Deep learning classification of column scraping photographs used in structural health assessment within the scope of transformation of areas under disaster risk plan
Afet risk altındaki alanların dönüşümü planı kapsamında yapısal sağlık değerlendirmesinde kullanılan kolon kazıma fotoğraflarının derin öğrenme ile sınıflandırılması
CAN DEMİR
Yüksek Lisans
İngilizce
2025
İnşaat MühendisliğiÇankaya Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA SELÇUK
- Deep learning based automatic modulation classification in the presence of carrier phase offset and carrier frequency offset
Taşıyıcı faz kayması ve taşıyıcı frekans kayması altında derin öğrenme temelli otomatik modülasyon sınıflandırma
RAMAZAN YILMAZ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ EMRE PUSANE
PROF. DR. ÇAĞATAY CANDAN
DR. ÖĞR. ÜYESİ HÜSEYİN BİRKAN YILMAZ
- Deep learning based automatic modulation classification for sub-carriers of ofdm signals
OFDM sinyallerinin alttaşıyıcıları için derin öğrenme temelli modülasyon sınıflandırma
GÖKHAN TOSUN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ EMRE PUSANE