Geri Dön

Biyomedikal görüntülerdeki hareketli nesnelerin derin öğrenme yöntemleri ile şekil ve yörünge analizi

Morphology and trajectory analysis of motile objects in biomedical images with deep learning methods

PDF İndir

  1. Tez No: 933838
  2. Yazar: ABDULSAMET AKTAŞ
  3. Danışmanlar: DOÇ. DR. HAMZA OSMAN İLHAN, DR. ÖĞR. ÜYESİ GÖRKEM SERBES
  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: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 169

Özet

Bu tez, kısırlık tanısında erkek faktörünün değerlendirilmesinde kullanılan sperm şekil ve hareket analizlerini derin öğrenme tabanlı yaklaşımlar ile iyileştirmeyi amaçlamaktadır. Görsel değerlendirme (GD) olarak adlandırılan manuel sperm değerlendirmesi, zaman alıcı, hata yapmaya açık, subjektif ve büyük ölçüde değerlendiricinin uzmanlığına bağlı bir yöntem olarak görülmektedir. Bu eksiklikleri gidermek amacıyla, bilgisayar destekli sperm analiz (BDSA) sistemleri geliştirilmiştir. Ancak mevcut BDSA sistemleri, yüksek maliyetleri ve erişim kısıtlamaları nedeniyle klinik uygulamalarda yaygın olarak kullanılmamaktadır. Son yıllarda, makine öğrenmesi ve derin öğrenme tabanlı yöntemler, sperm şekli (morfoloji) ve hareketliliğinin otomatik analizi için umut vadeden çözümler sunmaktadır. Tez kapsamında sperm morfoloji analizi için Vision Transformer (ViT) tabanlı bir sistem önerilmiş ve HuSHeM ile SMIDS veri setlerinde sırasıyla %93,52 ve %92,5 doğruluk elde edilmiştir. Açık erişim veri setlerine ek olarak, tez kapsamında oluşturulup yeni yayımlanan Hi-LabSpermMorpho veri setinde de EfficientNet-V2 mimarisi kullanılarak deneyler gerçekleştirilmiştir. Bu doğrultuda, BesLab, Histoplus ve GBL veri setlerinde sırasıyla %65,05, %67,42 ve %63,58 doğruluk oranlarına ulaşılmıştır. Tez çalışmasının bir diğer fazını oluşturan sperm hareket analizi için ise Hi-LabSpermTracking veri seti oluşturulmuş, 12 farklı hastadan alınan, 60 saniye uzunluğunda ve 1920×1080 çözünürlüğünde toplam 66 video, iki uzman biyolog tarafından detaylı şekilde etiketlenmiştir. YOLOv8 ve RT-DETR modelleri eğitilerek sperm tespiti gerçekleştirilmiş, MEAN topluluk yöntemi ile birleştirilerek %87,87 F1-Skor ve %86,55 mAP50 değerlerine ulaşılmıştır. Takip işlemi DeepSORT yöntemi ile gerçekleştirilmiş, HOTA, MOTA ve IDF1 metrikleri kullanılarak değerlendirilmiştir. MEAN yöntemi, sırasıyla %66,60 HOTA, %76,42 MOTA ve %85,79 IDF1 değerleri ile en başarılı sonuçları vermiştir. Son olarak, sperm hareket özellikleri (VCL, VSL, VAP, LIN, STR) çıkarılarak Dünya Sağlık Örgütü (WHO) kriterlerine göre motilite seviyeleri belirlenmiş, MEAN yöntemi ile elde edilen sonuçların Ground-truth (GT) motilite seviyeleri ile büyük ölçüde uyumlu olduğu doğrulanmıştır. Tez kapsamında oluşturulan veri setleri ve geliştirilen yöntemler, sperm morfoloji ve motilite analizine önemli katkılar sağlamış, literatürdeki mevcut yaklaşımlardan daha başarılı analizler sunmuştur.

Özet (Çeviri)

This thesis aims to improve sperm morphology and motility analysis used for the assessment of male factors in infertility diagnosis by using deep learning based approaches. Manual sperm evaluation, referred to as visual assessment (VA), is considered a time-consuming, error-prone, subjective method that is highly dependent on the expertise of the expert. Computer-assisted sperm analysis (CASA) systems have been developed to overcome these shortcomings. However, the high costs and accessibility limitations of existing CASA systems have prevented their widespread use in clinical applications. In recent years, machine learning and deep learning-based methods have emerged as promising solutions for automated analysis of sperm morphology and motility. Within the scope of the thesis, a Vision Transformer (ViT) based system was proposed for sperm morphology analysis and an accuracy of 93.52% and 92.5% was obtained in HuSHeM and SMIDS datasets, respectively. In addition to the open access datasets, experiments were carried out using EfficientNet-V2 architecture on the Hi-LabSpermMorpho dataset, which was created within the scope of the thesis and recently published. Accordingly, accuracy rates of 65.05%, 67.42% and 63.58% were achieved in BesLab, Histoplus and GBL datasets, respectively. For sperm motility analysis, which constitutes another phase of the thesis study, Hi-LabSpermTracking dataset was created, and a total of 66 videos taken from 12 different patients, 60 seconds long and 1920×1080 resolution, were labelled in detail by two expert biologists. YOLOv8 and RT-DETR models were trained to detect sperm and combined with the MEAN ensemble method to achieve 87.87% F1-Score and 86.55% mAP50 values. Follow-up was performed with the DeepSORT method and evaluated using HOTA, MOTA and IDF1 metrics. MEAN method achieved the most successful results with 66.60% HOTA, 76.42% MOTA and 85.79% IDF1 values, respectively. Finally, sperm motility characteristics (VCL, VSL, VAP, LIN, STR) were extracted and classified according to the World Health Organization (WHO) motility levels. The results obtained using the MEAN method were remarkably consistent with the Ground-Truth (GT) motility levels. The datasets and methods developed in this thesis contribute significantly to sperm morphology and motility analysis, leading to systems that outperform existing studies both in practical applications and theoretical advancements.

Benzer Tezler

  1. Tez No

    495232

    A system implementation for analyzing and tracking motile objects in biomedical images

    Biyomedikal görüntülerde hareketli nesnelerin analizi ve takibi için bir sistem gerçeklemesi

    HAMZA OSMAN İLHAN

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NİZAMETTİN AYDIN

  2. Tez No

    943639

    Üretim süreçleri için dinamik ve temassız optik çap ölçüm sistemi

    Dynamic and non-contact optical diameter measurement system for manufacturing processes

    AYNUR DİDEM OKTAN KARAYEĞEN

    Doktora

    Türkçe

    Türkçe

    2025

    Mühendislik BilimleriBaşkent Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN KURTULDU

  3. Tez No

    688784

    3 boyutlu yazıcı ile basılmış, odak ayarlı kolajen katkılı zarlı mikro akışkan mercek

    A 3D-printed tunable fluidic lens with collagen-enriched membrane

    ESAT CAN ŞENEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Biyomühendislikİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ONUR FERHANOĞLU

  4. Tez No

    953776

    Investigation of wavelength and intensityeffects in infrared-based eye tracking systemsunder variable lighting and obstructive conditions

    Kızılötesi tabanlı göz takibi cihazlarıiçin dalgaboyu ve yoğunluk etkisinin değişkenışık ve engelleyici etkiler altında incelenmesi

    MURAT TEKSİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ONUR FERHANOĞLU

  5. Tez No

    875279

    Young's modulus characterization of polydimethylsiloxane (PDMS) microfluidic chips for viscosity measurements

    Viskozite ölçümleri için tasarlanmış polidimetilsiloksan (PDMS) mikroakışkan çiplerinin young modülü karakterizasyonu

    CEYDA KÖKSAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Biyomühendislikİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET CAN ERTEN

    DOÇ. ONUR FERHANOĞLU

Geri Dön