Derin öğrenme yaklaşımı kullanılarak beyin tümörünün segmentasyonu
Brain tumor segmentation using deep learning approach
- Tez No: 902614
- Danışmanlar: YRD. DOÇ. SHAHRAM TAHERI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Antalya Bilim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Söz konusu araştırma, derin öğrenme yaklaşımını kullanarak Beyin tümörü segmentasyonunu inceliyor. Araştırmanın amacı, modellerin katman parametrelerinin ve hiper parametrelerin değişiminin, modellerin doğruluğunu ve performansını nasıl etkileyen parametreler olduğunu keşfetmektir. Bu makale, tıbbi görüntülemenin en üst düzeyde doğrulukla yapılmasına duyulan acil ihtiyaçtan yola çıkarak hazırlanmıştır; bu nedenle, bu araştırmanın ana hedefi, beyin tümörü segmentasyonunun mümkün olan en yüksek doğrulukla yapılmasını sağlayacak U-Net mimari tasarımını bulmaktır. . Çok sayıda beyin tümörü vakasının tarafsız bir şekilde toplanmasından oluşan sistematik prosedür gerçekleştirildi. Modeller önce eğitilip daha sonra değerlendirildi ancak dikkatler çoğunlukla temel performans göstergeleri üzerindeydi. Çalışmanın bulguları, model performansı ve doğruluğundaki küçük farklılıkların büyük olasılıkla çeşitli mimari setlerden kaynaklandığını göstermektedir. Bazı konfigürasyonların segmentasyonda daha kararlı ve doğru olduğunu belirtmekte fayda var, bu da mimari tasarımın tıbbi görüntü işleme görevlerinde temel olduğunu gösteriyor. Bulgular, hastalara yönelik yapılan mimari değişikliklerin beyin tümörlerinin segmentasyonu amacına nasıl hizmet ettiğini ortaya koyuyor. Araştırma bulguları, tıbbi görüntü segmentasyonu uygulayıcılarına ve araştırmacılara bu alanda önemli bir yön ve yeni bir büyüme alanı sağlıyor.
Özet (Çeviri)
The research under consideration studies the Brain tumor segmentation using deep learning approach. The goal of the research is to discover how the models' layer parameters and the hyper-parameters changes are the parameters that affect the models' accuracy and performance. This paper was motivated by the pressing need for medical imaging to be done with utmost accuracy, hence, the main goal of this research is to find the U-Net architecture design that will enable the brain tumor segmentation to be done with the highest possible accuracy. The systematic procedure was carried out, which consisted of the collection of a large number of brain tumor cases in an unbiased way. The models were firstly trained and then evaluated, on the other hand, the attention was mostly on the key performance indicators. The study's findings indicate the minor differences in model performance and accuracy which are most probably due to the various architectural sets. It is worth to mention that some of the configurations were more stable and accurate in segmentation, which shows that the architectural design is the base in the medical image processing tasks. The findings reveal how the architectural modifications that are made for the patients serve the purpose of the segmentation of the brain tumors. The research findings are giving the medical image segmentation practitioners and researchers an important direction and a new area for growth in the 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
- Derin öğrenme yöntemlerini kullanarak MR görüntülerinden otomatik tümör tespiti
Automatic tumor detection from brain MRI images using deep learning techniques
NECİP ÇINAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KAYA
- Comparative analysis of deep convolutional neural network models for classification of brain tumors
Beyin tümörlerinin sınıflandırılmasında derin evrişimli sinir ağı modellerinin karşılaştırmalı analizi.
OZAN AKHAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstinye ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞENOL PİŞKİN
- Brain tumor detection and classification using image processing techniques
Başlık çevirisi yok
SULTAN BAHR FAYYADH
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Beyin tümörlerinin derin öğrenme yaklaşımlarıyla tespiti
Detecting brain tumors using deep learning approaches
MEHMET ALİ ATICI
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEREF SAĞIROĞLU