Geri Dön

Automatic disc herniation diagnosis with machine learning methods from MRI images

MRI görüntülerinden makine öğrenme yöntemleriyle otomatik disk fıtığı tanısı

  1. Tez No: 904560
  2. Yazar: MERVE APAYDIN YUMUŞ
  3. Danışmanlar: PROF. DR. ÖMER KARAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: 82

Özet

Bel ağrısı (LBP), toplumun önemli bir kesimini etkileyen yaygın bir kas-iskelet sistemi rahatsızlığıdır. Disk patolojisi, faset dejenerasyonu, spinal stenoz ve spondilolistezis gibi mekanik faktörler, LBP'ye sebep olan önemli faktörlerdendir. Bu faktörler arasında, lumbar disk hernisi, jel benzeri nucleus pulposus'un spinal kanala protrüzyon yaparak sinir yapılarına baskı yapması ve ciddi rahatsızlığa neden olmasıyla karakterize edilen bir durumdur. Bu tez, görüntü analizine ilişkin iş yükünü hafifletmek ve doktorlara teşhis konusunda yardımcı olmak amacıyla, herniye olmuş disklerin tam otomatik tespiti için aksiyel manyetik rezonans (MR) görüntülerini kullanan derin öğrenme tabanlı bir bilgisayar destekli teşhis (CAD) sistemi geliştirmeyi amaçlamaktadır. Üç farklı derin öğrenme yönteminin—U-Net, SegNet ve ResU-Net—intervertebral disk (IVD) bölgesini segmente etme uygunluğu değerlendirilmiştir. En yüksek başarı, 0.9338 IoU skoru ile ResU-Net yöntemi tarafından gösterilmiştir. Daha sonra, bu segmente edilmiş görüntülerden ve orijinal görüntüdeki ilgi alanından otomatik olarak 42 yapısal ve istatistiksel özellik çıkarılmıştır. Bu özelliklerden 23'ü, herninin çoğunlukla meydana geldiği disk alt bölgesine özel olarak adapte edilmiştir ve bu çalışma için benzersiz bir katkı sağlamaktadır. Çıkarılan özellikler, disk hernisini sınıflandırmak için Gaussian Naive Bayes, karar ağacı, rastgele orman, stokastik gradyan inişi ve destek vektör makinesi (SVM) olmak üzere beş makine öğrenimi yöntemi tarafından kullanılmıştır. Yönteme özgü hiperparametreler grid search ile optimize edilmiştir. Önerilen CAD sistemi, 515 hastadan elde edilen verileri içeren bir çevrimiçi veri kümesi kullanılarak eğitilmiştir. Performansını değerlendirmek amacıyla, 379 hastadan elde edilen 1845 T2-ağırlıklı aksiyel MR görüntüsü kullanılmıştır. SVM yaklaşımı, 0.8511 F1 skoru ve 0.9212 G-mean değerleri ile üstün performans sergilemiştir. Tezin bulguları, önerilen yöntemin literatürdeki mevcut çalışmalara kıyasla karşılaştırılabilir veya daha üstün performans sergilediğini göstermektedir.

Özet (Çeviri)

Low back pain (LBP) is a common musculoskeletal disorder affecting a significant portion of the population. Mechanical factors including disc pathology, facet degeneration, spinal stenosis, and spondylolisthesis are significant contributors to LBP. Among these, lomber disc herniation is a condition characterized by the protrusion of the gel-like nucleus pulposus into the spinal canal, causing compression of nerve structures and serious discomfort. This thesis aims to develop a deep learning-based computer-aided diagnosis (CAD) system for fully automatic detection of herniated discs using axial magnetic resonance (MR) images to alleviate the workload associated with image analysis and assist physicians in diagnosis. The suitability of three different deep learning methods—U-Net, SegNet, and ResU-Net—for segmenting the intervertebral disc (IVD) region was evaluated. The ResU-Net method demonstrated the highest performance with an IoU score of 0.9338. Then 42 structural and statistical features are automatically extracted from these segmented images and the region of interest in the original image. Notably, 23 of these features are specifically adapted to the lower region of the disc where the herniation predominantly occurs and are a unique contribution to this study. The extracted features are then used by five machine learning methods— Gaussian Naive Bayes, decision tree, random forest, stochastic gradient descent, and support vector machine (SVM) —to classify disc herniation. Method-specific hyperparameters are optimized via grid search. The proposed CAD system is trained using an online dataset that includes data from 515 patients. To evaluate its performance, 1845 T2-weighted axial MR images obtained from 379 patients are employed. The SVM approach demonstrates superior performance, with an F1-score of 0.8511 and G-mean values of 0.9212. The thesis's findings indicate promising results, with the proposed method exhibiting comparable or superior performance to existing studies in the literature.

Benzer Tezler

  1. Tez No

    885409

    Automated detection and classification of spinal disc herniation using deep learning on MRI images

    MR görüntülerinde derin öğrenme kullanılarak omurga disk hernisinin otomatik tespiti ve sınıflandırılması

    MUSTAFA ISAM ALAJAJ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    İstatistikİstanbul Gedik Üniversitesi

    İstatistik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RIZA DİLEK

  2. Tez No

    529948

    İstatiksel alan birleştirme kullanarak insan retina optik disk bölütlemesi

    Human retina optic disc segmentation using statistical region merging

    KHALIFA AB KHALIFA NUSRAT

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu Üniversitesi

    Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı

    PROF. DR. FATMA KANDEMİRLİ

  3. Tez No

    589042

    Primer açık açılı glokomlu hastalarda otomatik perimetri ile elde edilen görme alanı sonuçları ile optik disk morfometrisi sonuçlarının karşılaştırılması

    Comparison of visual field results obtained by automatic perimetry and optic disc morphometry results in patients with primary open angle glaucoma

    OSMAN ÇELİKAY

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1993

    Göz HastalıklarıSağlık Bakanlığı

    Göz Hastalıkları Ana Bilim Dalı

    DOÇ. DR. ESİN FIRAT

  4. Tez No

    212127

    Retina görüntülerinde yaşa bağlı makula dejenerasyonunun otomatik bölütlenmesi

    Automatic segmentation of age-related macula degeneration on retina images

    UĞUR ŞEVİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. CEMAL KÖSE

  5. Tez No

    604281

    Lomber MR disk konumlarının en kısa yol algoritmalarının yapay sinir ağı sonuçlarına uygulanarak bulunması

    Estimation of the lumbar disc positions by shortest path algorithms on neural network results

    MERVE ZEYBEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. YUSUF SİNAN AKGÜL

Geri Dön