Çekişmeli üretici ağlar ile beyin MR görüntülerinin sentetik üretilmesi ve değerlendirilmesi
Synthetic generation and evaluation of brain MRI images with generative adversarial networks
- Tez No: 885399
- Danışmanlar: DOÇ. DR. FATİH ÖZYURT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: 59
Özet
Tıbbi görüntüler ile yapılan yapay zekâ çalışmalarında veri sayısı ve kalitesi çok önemli bir yere sahiptir. Özellikle etik izinlerin alınamaması çalışmaları sekteye uğratmaktadır. Bu çalışmanın da temel amacı sağlık alanında yapılan çalışmalardaki veri sorununa çözüm getirmektir. DCGAN kullanılarak etik izne ihtiyaç duyulmayan sentetik görüntüler üretilerek bu sorunun önüne geçilmektedir. Üretilen sentetik görüntülerin kalitesi ise Frechet Başlangıç Mesafesi (FBM) ve Başlangıç Skoru (BS) ile ölçülerek değerlendirilmektedir. Çalışmada yapılmak istenen eğitim süresinin ve gerçek veri sayısının artışının üretilen sentetik görüntülerin kalitesine olan etkisine bakmaktır. Çalışmada açık kaynaktan alınan beyin tümörü MR görüntülerinden oluşan veri setleri kullanılmıştır. Kullanılan veri setleri 3 sınıftan oluşmaktadır: Gliom tümörü, hipofiz bezi tümörü ve tümörün olmadığı. Çalışma ise iki kısımdan oluşmaktadır: az veri ve çok veri ile yapılan. Her iki çalışmada da sınıflar farklı epoch eğitim süreleri ile eğitilmiş ve her eğitimde FBM ve BS skoru hesaplanmıştır. Sonuç olarak ise veri sayısının ve eğitim süresinin artmasının DCGAN ile üretilen sentetik görüntülerin kalitesini olumlu yönde etkilediği görülmüştür. Sağlık alanında yaşanan veri sorununa sentetik verilerin çözüm olarak kullanılabileceği öngörülmektedir.
Özet (Çeviri)
The number and quality of data are very important in artificial intelligence studies with medical images. Especially the failure to obtain ethical permissions interrupts the studies. The main purpose of this study is to provide a solution to the data problem in health studies. Using DCGAN, this problem is avoided by producing synthetic images that do not require ethical permission. The quality of the synthetic images is evaluated by measuring the Frechet Inception Distance (FID) and Inception Score (IS). The aim of this study is to investigate the effect of increasing the training time and the number of real data on the quality of the synthetic images produced. The study used datasets consisting of brain tumor MRI images from open source. The datasets used consist of 3 classes: Glioma tumor, pituitary tumor, and no tumor. The study consists of two parts: with little data and with a lot of data. In both studies, the classes were trained with different epoch training times and FID and IS scores were calculated for each training. As a result, it is seen that increasing the number of data and training time positively affects the quality of synthetic images produced with DCGAN. It is predicted that synthetic data can be used as a solution to the data problem in the health field.
Benzer Tezler
- Diagnosis of brain cancer and contour normal tissue for radiation therapy based on deep learning methods
Derin öğrenme yöntemleriyle radyoterapi için beyin kanseri tanisi ve normal doku ayrimi
NAVID HALILI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Deep unsupervised learning for accelerated mri reconstruction
Derin denetimsiz öğrenme ile hızlandırılmış mrg rekonstrüksiyonu
YILMAZ KORKMAZ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TOLGA ÇUKUR
- Sigara bağımlılığının biyolojik sinyaller kullanarak makine öğrenmesi yöntemleri ile analizi
Analysis of smoking addiction using machine learning methods with biological signals
TALİP ÇAY
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiYozgat Bozok ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEMİL ALTIN
DR. ÖĞR. ÜYESİ EMRE ÖLMEZ
- Words as art materials: Generating paintings with sequential generative adversarial networks
Sanat materyali olarak kelimeler: Seri üretici çekişmeli ağlar ̇ile sanatsal resim üretimi
AZMİ CAN ÖZGEN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Çekişmeli üretken ağlarla medikal görüntülerin üretimi ve analizi
Use of generative adversarial networks in medical image synthesis and segmentation
SARA ALTUN GÜVEN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMED FATİH TALU