Geri Dön

Artificial intelligence model to assist and evaluate the kidney stone on computed tomography image

Bilgisayarlı tomografi görüntüsünde böbrek taşının değerlendirilmesine yardımcı olacak yapay zeka modeli

PDF İndir

  1. Tez No: 924608
  2. Yazar: ÖZLEM SABUNCU
  3. Danışmanlar: PROF. DR. BÜLENT BİLGEHAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Science and Technology, Electrical and Electronics Engineering, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Yakın Doğu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 90

Özet

Böbreklerde taş oluşumu yaygın bir hastalıktır, hastalığın nüks oranının yüksek olması ve morbidite oranı böbrek taşına sahip tüm hasta gruplarını endişelendirir. Böbrek taşı hastalığının tanı ve yönetimi için birçok görüntüleme seçeneği vardır, CT görüntüleme tercih edilen bir yöntemdir. Radyologların böbrek taşlarını teşhis etmek için çok sayıda CT kesitini manuel olarak analiz etmesi gerekir. Bu süreç zahmetli ve zaman alıcıdır. Radyologlar CT görüntülerini göz kararı tahmini ile analiz eder, manuel analiz nedeniyle insan hataları meydana gelebilir. Bu çalışmada böbrek taşlarının analizi için derin öğrenme algoritmalarına başvurulmuştur. Derin öğrenme tabanlı olan evrişimli sinir ağı mimarileri, özellikle tıbbi görüntüleri analiz etmek için tercih edilen bir yöntemdir. Özellikle yüksek boyutlu tıbbi görüntüler sağlayan CT gibi gelişmiş tarayıcılardan elde edilen verilerin analizi için derin öğrenme ile yüksek performanslar elde edilebilir. Bu çalışmanın temel amacı, deep learning algoritmalarını kullanarak böbrek taşlarını CT taramalarından, yüksek doğruluk oranı ile sınıflandırmaktır. Bu çalışmada seçilen ve önceden eğitilmiş CNN mimarileri, radyolog tarafından etiketlenen böbrek taşına sahip hastaların abdominal CT taramalarından oluşan bir veri setine uygulanmıştır. Seçilen 5 farklı CNN modeli ile yapılan testler sonucunda böbrek taşı sınıflandırılması için bu modellerin kabul edilebilir performans elde etiikleri gözlemlenmiştir.

Özet (Çeviri)

Stone formation in the kidneys is a common disease, the high rate of recurrence and morbidity of the disease worries all patient groups with kidney stones. There are many imaging options for the diagnosis and management of kidney stone disease, CT imaging is the preferred method. Radiologists need to analyse large numbers of CT slices manually in order to diagnose kidney stones. This process is laborious and time-consuming. Radiologists analyse CT images by eye ball estimation, because of the manual analysis human errors can be occurred. In this study, deep learning algorithms were used for the analysis of kidney stones. Convolutional neural network architectures based on deep learning are a preferred method especially for analyzing medical images. High performances can be achieved with deep learning, especially for the analysis of data obtained from advanced scanners such as CT, which provide high-dimensional medical images. The main purpose of this study is to classify kidney stones with high accuracy from CT scans using deep learning algorithms. In this study, selected and pre-trained CNN architectures were applied to a dataset of abdominal CT scans of patients with kidney stones labeled by a radiologist. As a result of the tests performed with the selected 5 different CNN models, it was observed that these models achieved acceptable performance for kidney stone classification task.

Benzer Tezler

  1. Tez No

    655544

    Toplumsal davranışın etmen temelli modellemesi: Organ bağışı örneği

    Agent based modeling of social behaviour: The case of organ donation

    ZAFER EREN

    Doktora

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CAFER ERHAN BOZDAĞ

  2. Tez No

    768563

    Konik ışınlı bilgisayarlı tomografi görüntülerinin yapay zekâ ile değerlendirilmesi

    Evaluation of cone-beam computed tomography images with artificial intelligence

    TUĞBA ARI

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2022

    Diş HekimliğiEskişehir Osmangazi Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DOÇ. DR. İBRAHİM ŞEVKİ BAYRAKDAR

  3. Tez No

    963329

    18F-FDG PET ve PET/CT görüntülemelerinde taşlı yüzük hücreli mide kanserlerinin yapay zeka destekli tanısı

    Artificial intelligence-assisted diagnosis of signet-ring cell gastric carcinoma on 18F-FDG pet and PET/CTct imaging

    EGEMEN SAYGILI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Genel CerrahiSağlık Bilimleri Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    DOÇ. DR. BÜNYAMİN GÜRBULAK

    DOÇ. DR. ESRA ARSLAN

  4. Tez No

    923753

    Derin öğrenme modellerinin desteği ile distal radius kırıklarının tanımlanması ve konservatif tedavi kriterlerinin değerlendirilmesi

    Identification of distal radius fractures and evaluation of conservative treatment criteria with the support of deep learning models.

    MEHMET SARACALIOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Ortopedi ve TravmatolojiVan Yüzüncü Yıl Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞEHMUZ KAYA

  5. Tez No

    842068

    Yapay zekâ-tabanlı hibrit anomali tespit ve klinik karar destek teknikleri ile kardiyovasküler hastalıkların ve COVİD-19'un otomatik tespiti

    Artificial intelligence-based hybrid anomaly detection and clinical decision support techniques for automated detection of cardiovascular diseases and COVİD-19

    MERVE BEGÜM TERZİ

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN ARIKAN

Geri Dön