Geri Dön

Beyin tümörü ameliyatlarında beyin mr görüntülerinin derin öğrenme modelleri ve us görüntülerinden faydalanarak yeniden üretilmesi

Estimating the shape of the removed tumor for detection of residual area in brain tumor surgeries and generating mri images with deep learning

PDF İndir

  1. Tez No: 935391
  2. Yazar: AYŞE GÜL EKER
  3. Danışmanlar: PROF. DR. NEVCİHAN DURU, DOÇ. DR. TOLGA TURAN DÜNDAR
  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: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 113

Özet

Beyin tümörleri, beyindeki anormal hücre büyümesiyle oluşan kitlelerdir ve tedavisinde cerrahi müdahale önemli bir seçenektir. Beyin tümörü ameliyatlarında, ameliyat sırasında görüntülerin güncellenmesi önemli bir sorundur. Ameliyat öncesi alınan görüntüler, ameliyat sırasında oluşan doku deformasyonları nedeniyle gerçek durumu yansıtmamaktadır. Ayrıca, cerrahi tedavinin temel amacı minimum doku hasarı ile maksimum seviyede tümör çıkarabilmektir. Bu tez, bu temel amaca göre beyin cerrahisi alanında üç temel yenilik sunmaktadır. İlk olarak, ameliyat sırasında tümör rezeksiyonu kaynaklı beyin kaymasının tespiti ve ölçümü için operasyon öncesi MR ve operasyon esnasında alınan ultrason görüntülerinin eşleştirilmesi amacıyla farklı özellik çıkarma algoritmaları (SIFT, ORB, AKAZE ve BRISK) karşılaştırılmıştır. Özellikle ORB algoritması ve SIFT algoritması daha bas ̧arılı sonuçlar vermiştir. Kayma miktarı ve yönü hesaplanarak bu kayma miktarı kadar beyin dokusunun yer değiştirdiği varsayılarak MR görüntüsü üzerine Gaussian deformasyon alanı uygulanmıştır. İkinci olarak, oluşan deformasyonun uygulandığı MR görüntüsü ve ultrason görüntülerinden elde edilen rezeksiyon boşluğu verisi kullanılarak GAN mimarisi ile ameliyat sırası MR görüntüsü üretilmiştir. Bu amaçla Pix2Pix ve SPADE GAN mimarileri kullanılmış, ayrıca transfer öğrenme ile güçlendirilmiş ̧ BrainPixGAN adında yeni bir model önerilmiştir. Önerilen model, SSIM (0,87), PSNR (35,89) ve LPIPS (0,0037) metrikleriyle diğer modellerden daha bas ̧arılı sonuçlar elde etmiştir. Son olarak, tümöre ulaşmak için en güvenli cerrahi yolun belirlenmesi amacıyla T1 MR, DTI ve TOF verilerinden oluşturulan 3 boyutlu beyin modeli üzerinde çeşitli yol planlama algoritmaları (A*, Dijkstra, RRT, PRM, Potansiyel Alan) ve pekiştirmeli öğrenme yaklaşımları test edilmiştir. Q-Learning algoritması, özellikle risk minimizasyonu açısından en bas ̧arılı sonuçları vermiştir. Literatürde standart yollar olarak bilinen yaklaşımların puanlamaları karşılaştırılmıştır. Bu çalışmada geliştirilen sistemin, beyin tümörü ameliyatlarında cerrahların daha doğru ve güvenli kararlar almasına yardımcı olması hedeflenmektedir. Bu ilerlemeler, cerrahi süreçte daha net ve kapsamlı bilgilere erişimi artırarak hastaların tedavi süreçlerinde daha iyi sonuçlar almasına yardımcı olabileceği düşünülmektedir.

Özet (Çeviri)

Brain tumors are abnormal cell growths forming masses in the brain, with surgical intervention being a crucial treatment option. In brain tumor surgeries, updating images during the operation presents a significant challenge, as preoperative images do not reflect the actual situation due to tissue deformations occurring during surgery. Additionally, the primary goal of surgical treatment is to achieve maximum tumor removal with minimal tissue damage. This thesis presents three fundamental innovations in the field of neurosurgery aligned with this core objective. First, various feature extraction algorithms (SIFT, ORB, AKAZE, and BRISK) were compared for matching preoperative MR images with intraoperative ultrasound images to detect and measure brain shift caused by tumor resection during surgery. The ORB and SIFT algorithms yielded particularly successful results. After calculating the magnitude and direction of the shift, a Gaussian deformation field was applied to the MR image, assuming brain tissue displacement equivalent to the measured shift. Second, using the deformed MR image and resection cavity data obtained from ultrasound images, intraoperative MR images were generated through GAN architecture. For this purpose, Pix2Pix and SPADE GAN architectures were employed, and a novel model called BrainPixGAN, enhanced with transfer learning, was proposed. The proposed model achieved superior results compared to other models, with metrics of SSIM (0.87), PSNR (35.89), and LPIPS (0.0037). Finally, various path planning algorithms (A*, Dijkstra, RRT, PRM, Potential Field) and reinforcement learning approaches were tested on a 3D brain model created from T1 MR, DTI, and TOF data to determine the safest surgical approach to the tumor. The Q-Learning algorithm provided the most successful results, particularly in terms of risk minimization. Scores of approaches known as standard paths in the literature were compared. The system developed in this study aims to assist neurosurgeons in making more accurate and safer decisions during brain tumor surgeries. These advancements are expected to improve patient outcomes by providing clearer and more comprehensive information during the surgical process.

Benzer Tezler

  1. Tez No

    669360

    Arttırılmış gerçeklik (AR) tabanlı nöronavigasyon tekniği geliştirilmesi ve bu tekniğin optik izleme tabanlı nöronavigasyon tekniği ile karşılaştırılması

    3D printed marker-based augmented reality neuronavigation: new neuronavigation technique and comparison with optic tracking system neuronavigation

    GÖRKEM YAVAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    NöroşirürjiEge Üniversitesi

    Beyin ve Sinir Cerrahisi Ana Bilim Dalı

    PROF. DR. MEHMET SEDAT ÇAĞLI

  2. Tez No

    359218

    İntrakraniyal tümör tanısında CUSA (Cavıtron ultrasonıc surgıcal aspırator) artıklarından yararlanma

    Utilizing diagnosis of intracranial tumor with CUSA (Cavitron ultrasonic surgical aspirator) residue

    SİRAÇ ERTEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    PatolojiErciyes Üniversitesi

    Cerrahi Tıp Bilimleri Bölümü

    PROF. DR. OLGUN KONTAŞ

    PROF. DR. TAHİR ERCAN PATIROĞLU

    DOÇ. DR. HÜLYA AKGÜN

  3. Tez No

    516026

    Beyin ameliyatlarında saçı kesilen hastaların ameliyat öncesi ve ameliyat sonrası beden imajı ve benlik saygısı

    Pre-operative and post-operative body image and self esteem of patients with hair cuts in brain surgery

    AYŞE DİLMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    HemşirelikHasan Kalyoncu Üniversitesi

    Hemşirelik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FERİDE YİĞİT

  4. Tez No

    775398

    Derin öğrenme yöntemleri kullanılarak beyin tümörü tiplerinin ve sınırlarının tahminlenmesi

    Prediction of brain tumor types and limits using deep learning methods

    MERVE PINAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ

  5. Tez No

    790886

    Kliniğimizde 1999 – 2022 yılları arasında opere edilen spinal tümörü (spinal kord ve omurga) olan hastaların retrospektif olarak incelenmesi

    Retrospective examination of patients with spinal tumor (spinal cord and spine) operated in our clinic between 1999-2022

    ALİ KAPLAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    NöroşirürjiSağlık Bilimleri Üniversitesi

    Beyin ve Sinir Cerrahisi Ana Bilim Dalı

    DOÇ. DR. NAİL ÇAĞLAR TEMİZ

Geri Dön