Geri Dön

Mikrotomografi verileri üzerinde makine öğrenmesi yöntemleri ile görüntü analizi

Image analysis by machine learning methods on microtomography data

PDF İndir

  1. Tez No: 924210
  2. Yazar: MÜBERRA NUR AKÇAMAN
  3. Danışmanlar: PROF. DR. AHMET SERTBAŞ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi-Cerrahpaşa
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 100

Özet

Görüntü segmentasyonu alanında derin öğrenme modellerinin kullanılması, başta tıp alanı olmak üzere birçok alanda uzmanlara zamandan ve maliyetten tasarruf sağladığından dolayı sürekli geliştirilmesi büyük önem taşımaktadır. Günümüzdeki medikal alanda kaydedilen verilerin artışıyla beraber doktorların ve araştırmacıların derin öğrenme modelleriyle tasarlanan doğru tanı uygulamalarına olan beklentileri artmaktadır. Bu sebeple; sağlık alanındaki yenilikçi uygulamaların, çeşitli zorlukların üstesinden gelerek geliştirilmesi ve yaygınlaştırılması gerekmektedir. Bu tez çalışması iki aşamadan oluşmaktadır. İlk aşamada, derin öğrenme modellerinde kapsamlı bir analiz yapabilmek için, temin edilen özgün veri setinin yanı sıra herkesin erişimine açık olan PH2, BOWL 2018 ve CVC-ClinicDB tıbbi veri setleri kullanılmıştır. Bu açık erişimli veri setleri değişen görüntü içerik bilgileri ve segmentasyon görevlerinde farklı zorluk seviyelerine sahip olmaları nedeniyle tercih edilmiştir. Derin öğrenme modellerinden olan U-Net bu alandaki başarısından dolayı birçok çalışmaya ilham kaynağı olmuştur. Bu nedenle, yapılan tez çalışmasının ilk aşamasında; U-Net, U-Net++, Attention U-Net, Residual U-Net, Residual Attention U-Net, TransUNet, Swin-Unet derin öğrenme modelleri kullanılmış ve bu çalışma için modifiye edilen Self Attention U-Net ve önerilen MMIAU-Net (Mixed Modified Inception and Self Attention U-Net) mimarisi ile elde edilen performanslar karşılaştırılmıştır. Bu aşamada çalışmanın tüm deneysel sonuçları incelendiğinde; segmentasyon işleminde, önerilen MMIAU-Net mimarisinin PH2 veri setinde %90,18 IoU %94,83 dice katsayısı, BOWL 2018 veri setinde %83,23 IoU %90,82 dice katsayısı, CVC-ClinicDB veri setinde %86,05 IoU %92,41 dice katsayısı ve özgün veri setinde ise %90,51 IoU ve %94,68 dice katsayısı ile en yüksek başarıya ulaştığı görülmüştür. Tez çalışmasının ikinci aşamasında ise önerilen MMIAU-Net modeli ile özgün veri seti üzerinden analizler yapılmıştır. Ftalatların kemik sağlığına olan zararını gösterebilmek için MMIAU-Net modeli mikrotomografi görüntülerinde eğitildikten sonra ağırlıklar kaydedilmiş ve kontrol grubu, DBP grubu ile DEHP grubunun kemik kütleleri hesaplanmıştır. Elde edilen sonuçlarla ftalat maddelerinin kemik kütlesine olan zarar oranları ortaya konulmuştur.

Özet (Çeviri)

The use of deep learning models in the field of image segmentation saves experts time and money in many areas, especially in medicine, and therefore its continuous development is of great importance. With the increase of data collected in the medical field today, the expectations of doctors and researchers for accurate diagnostic applications developed with deep learning models are increasing. For this reason, innovative applications in the field of health need to be developed and disseminated by overcoming various difficulties. This thesis study consists of two stages. In the first stage, in addition to the original data set provided, PH2, BOWL 2018 and CVC-ClinicDB medical data sets, which are open to everyone, were used for a comprehensive analysis of deep learning models. These freely accessible datasets were preferred due to their changing image content information and different difficulty levels in segmentation tasks. U-Net, one of the deep learning models, has inspired many studies due to its success in this field. Therefore, in the first stage of the thesis study; U-Net, U-Net++, Attention U-Net, Residual U-Net, Residual Attention U-Net, TransUNet, Swin-Unet deep learning models were used and the performances obtained with the modified Self Attention U-Net and the proposed MMIAU-Net (Mixed Modified Inception and Self Attention U-Net) architecture were compared. At this stage, when all experimental results of the study were examined; it was seen that in the segmentation process, the proposed MMIAU-Net architecture achieved the highest success with 90.18% IoU and 94.83% dice coefficient in the PH2 data set, 83.23% IoU and 90.82% dice coefficient in the BOWL 2018 data set, 86.05% IoU and 92.41% dice coefficient in the CVC-ClinicDB data set and 90.51% IoU and 94.68% dice coefficient in the original data set. In the second stage of the thesis study, analyses were performed on the original data set with the proposed MMIAU-Net model. In order to demonstrate the damage of phthalates to bone health, the MMIAU-Net model was trained on micro tomography images, then the weights were recorded and the bone masses of the control group, DBP group and DEHP group were calculated. The obtained results highlight the damage rates of phthalates on bone mass.

Benzer Tezler

  1. Tez No

    371219

    Periost grefti plateletten zengin plazma ile beraber kullanıldığında kemik defekt iyileşmesini artırır mı? Tavşan zigomatik arkta deneysel çalışma

    Periosteal graft improves healing of bone defects when used together with platelet-rich plasma? Experimental study in rabbits zygomatic arch

    ARZU TÜRKSEVEN TOPAÇOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Plastik ve Rekonstrüktif CerrahiDüzce Üniversitesi

    Cerrahi Tıp Bilimleri Bölümü

    PROF. DR. DERYA ÖZÇELİK

  2. Tez No

    859506

    Farklı giriş kavitesi tasarımlarının preparasyon etkinliği ve transportasyon oluşumu üzerine etkisinin bilgisayarlı mikrotomografi (mikro-BT) ile değerlendirilmesi

    Evaluation of the effect of different access cavity designs on preparation efficiency and transportation formation with computerized microtomography (Micro-CT )

    BERFU AYDANUR POLAT

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiHacettepe Üniversitesi

    Endodonti Ana Bilim Dalı

    PROF. DR. ZELİHA YILMAZ

  3. Tez No

    702973

    Sıçanda oluşturulan kritik boyutlu kalvaryal kemik defekti modelinde sistemik traneksamik asit kullanımının yeni kemik oluşumu üzerindeki etkilerinin deneysel incelenmesi

    Experimental investigation of the effects of systemic tranexamicacid on new bone formation in a model of critical sized calvarialbone defect created in rat

    MEHMET SOLMAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Plastik ve Rekonstrüktif Cerrahiİstanbul Üniversitesi

    Plastik Rekonstrüktif ve Estetik Cerrahi Ana Bilim Dalı

    PROF. DR. RİFAT ATİLLA ARINCI

  4. Tez No

    808582

    Bilgisayarlı tomografi (µCT) ve MLA (mineral liberation analyzer) verilerinin korelasyonu ve mineral karakterizasyonunda kullanımının araştırılması

    Correlation of computed tomography (µCT) and MLA (mineral liberation analyzer) data and investigation of its use in mineral characterization

    ARDA TEMİZKALB

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Maden Mühendisliği ve MadencilikHacettepe Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERGİN GÜLCAN

  5. Tez No

    836289

    Farklı glide path eğelerinin eğimli kök kanallarında kanal transportasyonu ve merkezde kalma üzerine etkisinin incelenmesi – bir mikro-bilgisayarlı tomografi çalışması

    Investigation of the effect of different glide path files on canal transport and centering in curved root canals – a micro-computed tomography study

    TUĞBA UĞURLU

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiZonguldak Bülent Ecevit Üniversitesi

    Endodonti Ana Bilim Dalı

    PROF. DR. BARAN CAN SAĞLAM

Geri Dön