Ischemic stroke lesion segmentation in MRI images using U-shaped convolutional neural network
U-şekilli evrişimsel sinir ağı kullanılarak MR görüntülerinde iskemik inme lezyon segmentasyonu
- Tez No: 865821
- Danışmanlar: DR. ÖĞR. ÜYESİ ONAN GÜREN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 44
Özet
İnme, günümüzde dünyada önde gelen ölüm nedenlerinden biridir. İnme geçiren hastaların tedavisi ve hayatta kalması için acil ve kesin tanı çok önemlidir. İskemik inmenin tanı ve tedavisi çoğunlukla manyetik rezonans görüntülemeye (MR) dayanmaktadır. Bu çalışmanın amacı, 2 boyutlu MR görüntüleri kullanarak U şeklinde bir evrişimsel sinir ağı mimarisi (CNN) oluşturarak iskemik inme lezyonunu bölütlemek ve çeşitli kayıp fonksiyonları kullanarak çalışmanın kayıp sonuçlarını, zar benzerlik katsayısını (DSC), hassasiyetini ve özgünlüğünü değerlendirmektir. Oluşturulan modeli eğitmek, doğrulamak ve test etmek için Ischemic Stroke Lesion Segmentation (ISLES 2015) veri setindeki iskemik inme hastalarından alınan 2 boyutlu MR görüntüleri kullanılmıştır. Sonuç olarak, Binary Cross Entropy Loss, Dice Loss, Focal Loss ve Binary Cross Entropy Dice Loss fonksiyonları kullanılarak iskemik inme lezyonlarının segmentasyonu ve bunların DSC, hassasiyet, özgünlük ve doğruluk üzerindeki etkileri ortaya konmuştur. Özetle, önerilen modelden sağlanan sonuçlar, kayıp fonksiyonlarının iskemik inme lezyonlarının belirlenmesinde U-Net modelinin doğruluğunu nasıl değiştirdiğini göstermiştir.
Özet (Çeviri)
Stroke is one of the leading causes of death in the world today. For the treatment and survival of patients with stroke, an immediate and precise diagnosis is crucial. The diagnosis and treatment of ischemic stroke depend heavily on magnetic resonance imaging (MR). The aim of this study is to segment the ischemic stroke lesion by creating a U-shaped convolutional neural network architecture (CNN) using 2-dimensional MR images and to evaluate the loss results, dice score (DSC), sensitivity, specificity of the study using various loss functions. 2-dimensional MRI scans of ischemic stroke patients from the Ischemic Stroke Lesion Segmentation (ISLES 2015) dataset were used to train, validate and test the created model. As a result, the segmentation of ischemic stroke lesions by using Binary Cross Entropy Loss, Dice Loss, Focal Loss and Binary Cross Entropy Dice Loss and and functions and their effects on DSC, sensitivity, specificity were revealed. In conclusion, the results obtained from the proposed model showed how the loss functions changed the performance metrics of the U-Net model in identifying ischemic stroke lesions.
Benzer Tezler
- İskemik inmenin medikal taramalar üzerinde derin öğrenme yöntemleri ile tespiti
Detection of ischemic stroke on medical scans using deep learning methods
MERVE BALABAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL
- Yapay zeka yöntemleri kullanılarak iskemik inme alt tiplerinin belirlenmesi
Classification of ischemic stroke subtypes using artificial intelligence methods
UMUT ERMAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiAdli Bilişim Ana Bilim Dalı
DOÇ. DR. ERHAN AKBAL
- Akut iskemik inmede anjiyojeninin akut ve kronik (3 aylık) nörolojik durum, lezyon volümü ve lipid profili ile ilişkisi
The effects of angiogenin in acute ischemic stroke patients: lesion volume, acute and third month neurological status
BAHAR ERBAŞ
- Artificial intelligent based segmentation on medical imaging
Medikal görüntü üzerinden yapay zeka tabanlı bölütleme
MAHMUT AĞRALI
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN KILIÇ
- Beyin BT görüntülerinden inme teşhisine yönelik derin öğrenme tabanlı hekim karar destek sistemi
Deep learning based physician decision support system for diagnosis of stroke from brain CT images
MUHAMMED ÖNAL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DOÇ. DR. BUKET KAYA