Bilgisayarlı tomografi görüntülerinden nodül tespit karar destek sistemi geliştirilmesi
Developing decision support system for nodule detection from computerized tomography images
- Tez No: 895702
- Danışmanlar: PROF. DR. ARİF ÖZKAN
- Tez Türü: Doktora
- Konular: Biyomühendislik, Mühendislik Bilimleri, Bioengineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 98
Özet
Akciğer kanseri, dünya genelinde her yıl milyonlarca insanın hayatını kaybetmesine neden olan hastalıkların başında gelmektedir. Akciğer kanserinin tedavi süreci ne kadar önemliyse, kanserin erken teşhis edilmesi de aynı derecede önemlidir. Bu nedenle, akciğer tomografisi görüntülerinden nodüllerin yerini ve büyüklüğünü tespit edecek derin öğrenme modeli olan LikNet mimarisini önerilmektedir. Tez çalışmasında, akciğer bilgisayarlı tomografisinde nodül tespit edilmiş 110 hasta ve 343 nodül üzerinde gerçekleştirilmiştir. Görüntülerin sınıflandırılması ve işaretlenmesi için uzman radyologlardan destek alınmıştır. Çalışma, dört işlem basamağından oluşmaktadır: akciğer parankima segmentasyonu, segmente edilmiş akciğer görüntülerinde radyolog tarafından nodüllerin işaretlenmesi, işaretlenen ROI (İlgi Alanı) bölgelerinden nodül görüntülerinin elde edilmesi ve elde edilen nodül görüntülerinin akciğer görüntüsü içinde aranarak nodüllerin tespit edilmesi. Ön işleme aşamasında, Otsu yöntemi kullanılarak akciğer HU (Hounsfield Unit) eşik değerine göre eşikleme yapılmakta ve akciğer segmentasyonu gerçekleştirilmektedir. Radyologlar tarafından önceden işaretlenen nodüllerin ROI'lerine ait XML dosyaları çıkarılarak görüntülere dönüştürülmektedir. LinkNet ve U-Net mimarisi ile eğitilen şablon nodüller kullanılarak mimari değişiklikler yapılmış ve 16 farklı karşılaştırma ve başarı yüzdesi tablosu oluşturulmuştur. LinkNet mimarisi ile gerçekleştirilen modelde, eğitim (train) verilerinde intersection over union (IoU) değeri 0,94, doğrulama (validation) verilerinde ise IoU değeri 0,69 elde edilmiştir. Eğitim için 274 nodül ve doğrulama için 69 nodül verisi kullanılmıştır. Deneysel sonuçlar, radyologlar tarafından gözden kaçabilecek nodüllerin geliştirdiğimiz CAD (Bilgisayar Destekli Tanı) sistemi ile tespit edilebileceğini ve akciğer kanseri tanısının konulmasında önemli bir fayda sağlayacağını göstermektedir.
Özet (Çeviri)
Lung cancer is one of the leading diseases that causes millions of people to die every year around the world. As important as the treatment process of lung cancer is, early diagnosis of cancer is equally important. For this reason, LikNet architecture, a deep learning model that will detect the location and size of nodules from lung tomography images, is recommended. The thesis study was carried out on 110 patients and 343 nodules with nodules detected on lung computed tomography. Support was received from expert radiologists to classify and mark the images. The study consists of four processing steps: lung parenchyma segmentation, marking nodules by the radiologist in segmented lung images, obtaining nodule images from the marked ROI (Region of Interest) regions, and detecting nodules by searching the obtained nodule images in the lung image. In the pre-processing stage, thresholding is performed according to the lung HU (Hounsfield Unit) threshold value using the Otsu method and lung segmentation is performed. XML files of the ROIs of the nodules previously marked by radiologists are extracted and converted into images. Architectural changes were made using template nodules trained with LinkNet and U-Net architecture, and 16 different comparison and success percentage tables were created. In the model implemented with the LinkNet architecture, the intersection over union (IoU) value was 0,94 in the training data and the IoU value was 0,69 in the validation data. Data from 274 nodules were used for training and 69 nodules for validation. Experimental results show that nodules that may be overlooked by radiologists can be detected with the CAD (Computer Aided Diagnosis) system we have developed and will be of significant benefit in diagnosing lung cancer.
Benzer Tezler
- Pulmoner nodüller için bilgisayar destekli teşhis sistemi
Computer aided diagnosis system for pulmonary nodules
AHMET TARTAR
Doktora
Türkçe
2013
Elektrik ve Elektronik Mühendisliğiİstanbul ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN AKAN
YRD. DOÇ. DR. NİYAZİ KILIÇ
- Classification of lung nodules in CT images using convolutional neural networks
BT görüntülerinde akciğer nodüllerinin evrişimsel sinir ağları kullanılarak sınıflandırılması
GÖRKEM POLAT
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YEŞİM SERİNAĞAOĞLU DOĞRUSÖZ
PROF. DR. UĞUR HALICI
- Akciğer maligniteleri nodal evrelemesinde endobronşial ultrasonografi (EBUS), mediastinoskopi ve bunların pozitron emisyon tomografi – bilgisayarlı tomografi (PET-BT) ile korelasyonu
Endobronchial ultrasonography (EBUS), mediastinoscopy and their correlation with positron emission tomography - computed tomography (PET-CT) in nodal staging of lung malignancy
ZEYNEP KILIÇ
Tıpta Uzmanlık
Türkçe
2019
Göğüs Kalp ve Damar CerrahisiSağlık Bilimleri ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
PROF. DR. GÖKTÜRK FINDIK
- Kemoradyoterapi uygulanan kT3 larinks kanseri hastalarında tedavi başarısını etkileyen faktörler
Factors affecting the treatment success in patients kT3 laryngeal cancer undergoi̇ng chemoradioterapy
SEDA IŞIK
Tıpta Uzmanlık
Türkçe
2023
Kulak Burun ve BoğazSağlık BakanlığıKulak Burun Boğaz Ana Bilim Dalı
DOÇ. ÖMER BAYIR
- Bilgisayarlı tomografi (BT) görüntüleri üzerinde akciğer nodüllerinin otomatik teşhisi ve üç boyutlu modellenmesi
Automated diagnosis and 3d modeling of the lung nodules on the base of CT scans
AHMED DEMİRPOLAT
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. REFİK SAMET