X-ışını görüntülerinde pediatrik el bileği patolojilerinin tespiti ve sınıflandırılması için hibrit bir derin öğrenme yaklaşımı
A hybrid deep learning approach for detection and classification of pediatric wrist pathologies in X-ray images
- Tez No: 914759
- Danışmanlar: DR. ÖĞR. ÜYESİ ERTAN BÜTÜN, DR. ÖĞR. ÜYESİ MUGAHED A. AL-ANTARI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Pediatrik el bileği travmaları, hastane acil servislerinde sıkça karşılaşılan vakalar olup, kırıklar bu travmalar arasında en yaygın olanıdır. Geleneksel olarak, bu tür yaralanmaların teşhisinde radyologlar ve cerrahlar birlikte çalışmaktadır. Ancak, son yıllarda derin öğrenme tabanlı algoritmalarda kaydedilen ilerlemeler, teşhis sürecini otomatikleştirme ve hızlandırma konusunda umut vadetmektedir. Bu tez çalışmasında, kemik anomalisi, kemik lezyonu, yabancı cisim, kırık, periosteal reaksiyon, pronator işareti, yumuşak doku gibi çeşitli pediatrik bilek travmalarının sınıflandırması ve lokalizayonu için hibrit tabanlı bir yöntem önerilmektedir. GRAZPEDWRI-DX adlı veri kümesi kullanılarak önerilen yöntemde, nesne tespiti için YOLOv8 algoritması, sınıflandırma için topluluk öğrenme tabanlı evrişimli sinir ağları ve dikkat mekanizması tabanlı görü dönüştürücü (ViT) avantajları birleştirerek bir arada kullanılmıştır. Pediatrik bilek travmalarının lokalizasyonu için YOLOv8x modeli, %83.4 kesinlik, %77.8 duyarlılık, %84.7 mAP50 ve %65.7 mAP50-95 sonuçlarını vermiştir. Sınıflandırma aşamasında, Xception, DenseNet201 ve EfficientNetB5 modellerinin topluluk yöntemiyle birleştirilip görü dönüştürücü ile hibrit bir şekilde kullanılması, %96.29 doğruluk oranında başarı sağlamıştır. Bu tez çalışmasında önerilen yöntem ve elde edilen sonuçlar, pediatrik bilek yaralanmalarının hızlı ve doğru teşhisinde gelecekteki çalışmalara yön gösterebilir.
Özet (Çeviri)
Pediatric wrist injuries are common cases encountered in hospital emergency departments, with fractures being the most prevalent among them. Traditionally, radiologists and surgeons collaborate in diagnosing such injuries. However, recent advancements in deep learning-based algorithms have shown promise in automating and expediting the diagnostic process. This thesis proposes a hybrid method for the classification and localization of various pediatric wrist injuries, including bone anomaly, bone lesion, foreign body, fracture, metal, periosteal reaction, pronator sign, and soft tissue injuries. Using the GRAZPEDWRI-DX dataset, the proposed method integrates the YOLOv8 algorithm for object detection with ensemble-based convolutional neural networks and the attention mechanism-based Vision Transformer (ViT) for classification. For the localization of pediatric wrist injuries, the YOLOv8x model achieved results of 83.4% precision, 77.8% recall, 84.7% mAP50, and 65.7% mAP50-95. In the classification phase, the hybrid use of Xception, DenseNet201, and EfficientNetB5 models in an ensemble framework combined with a Vision Transformer yielded a remarkable accuracy of 96.29%. The proposed method and the results obtained in this thesis have the potential to guide future research toward faster and more accurate diagnosis of pediatric wrist injuries.
Benzer Tezler
- Epoksi esaslı doku eşdeğeri fantomların pediatrik radyolojide uygunluğunun incelenmesi
Investigation of suitability of epoxy based tissue equivalent phantoms for pediatric radiology
AZİZ SAFİ
Yüksek Lisans
Türkçe
2019
Radyoloji ve Nükleer TıpAnkara ÜniversitesiMedikal Fizik Ana Bilim Dalı
PROF. DR. HALUK YÜCEL
- Pediatrik girişimsel kardiyoloji uygulamalarında personelin radyasyon dozu
Radiation doses of personnel in pediatric interventional cardiology applications
KEVSER HIŞIROĞLU AYAR
Yüksek Lisans
Türkçe
2019
Fizik ve Fizik MühendisliğiYıldız Teknik ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. EROL KAM
- Development of a modular and open-sourcetomographic imaging software : enhancingthe reconstruction module for low-dose CT and dbt
Modüler ve açık kaynak kodlu tomografik görüntülemeyazılımı: düşük doz BT ve SMT taramaları içinrekonstrüksiyon alt modülünün geliştirilmesi
SEMA ALTUN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- X-ışını el görüntülerinde kemik dokusunun bölütlenmesi
Segmentation of bone tissue in X-ray hand images
AYHAN YÜKSEL
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- A classification application on chest X ray images for the detection of tuberculosis disease by employing deep convolutional neural networks
Derin evrişimli sinir ağlarını kullanarak tüberküloz hastalığının tespiti için göğüs X ışını görüntülerinde bir sınıflandırma uygulaması
HATİCE KOÇ
Yüksek Lisans
İngilizce
2022
Yönetim Bilişim SistemleriİZMİR BAKIRÇAY ÜNİVERSİTESİYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. ABDULKADİR HIZIROĞLU
PROF. DR. AHMET EMİN ERBAYCU