Derin öğrenme yöntemi ile bilgisayarlı tomografi görüntülerinden karaciğer tümörü tespiti
Liver tumor detection from computed tomography images with deep learning method
- Tez No: 938607
- Danışmanlar: PROF. DR. HASAN ŞAKİR BİLGE
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 96
Özet
Bu çalışmada, karaciğer tümörlerinin tıbbi görüntülerde bölütlenmesi üzerine derin öğrenme tabanlı bir model geliştirilmiştir. Karaciğer tümör bölütlemesi, karaciğer kanserinin tedavi planlamasında, cerrahi müdahalelerin hassasiyetinde, hastalığın evrelenmesinde ve patolojik teşhisin doğruluğunda hayati önem taşımaktadır. Bu bağlamda, derin öğrenme modellerinin yaygın kullanımı, etiketlenmiş veri miktarının artması ve görüntü işleme teknolojilerindeki gelişmeler sayesinde bu görevde önemli ilerlemeler kaydedilmiştir. Bununla birlikte, karaciğer tümörü bölütlemesi, birçok teknik zorluğu da beraberinde getirir. Tıbbi görüntülerde düşük kontrast, tümör sınırlarının belirsizliği, karaciğerin diğer karın organlarına yakın konumu ve benzer doku özellikleri, bu zorluklardan bazılarıdır. Ayrıca, karaciğer yapısının kişiden kişiye değişiklik göstermesi, bu tür bölütleme görevlerinin doğruluğunu etkileyen faktörler arasındadır. Bu faktörler, manuel bölütleme süreçlerini zorlaştırırken, otomatik derin öğrenme tabanlı modellerin geliştirilmesini de zor hale getirmektedir. Tıbbi veri etiketleme süreci genellikle uzmanlık gerektirdiğinden, yeterli miktarda etiketlenmiş veri bulunmaması ve hasta mahremiyeti gibi kısıtlamalar, model performansını artırmada karşılaşılan önemli engellerdendir. Bu çalışmada, sınırlı etiketli veri üzerinde eğitilen ve ortalama bir bölütleme başarımı sağlayan etkili bir derin öğrenme modeli sunulmaktadır. Bu sayede, sağlık çalışanlarına klinik karar süreçlerinde destek sağlanması ve karaciğer hastalıklarının tanı ve tedavisinde etkin bir araç olarak kullanılması amaçlanmaktadır. Bu yaklaşım, klinik ortamlarda zamandan tasarruf sağlamayı, teşhis doğruluğunu artırmayı ve karaciğer tümör bölütlemesi görevinde derin öğrenme yöntemlerinin uygulanabilirliğini kanıtlamayı hedeflemektedir.
Özet (Çeviri)
In this study, a deep learning-based model has been developed for liver tumor segmentation in medical images. Liver tumor segmentation is critical for treatment planning of liver cancer, precision in surgical interventions, staging of the disease, and accuracy in pathological diagnosis. In this context, significant progress has been achieved in this task with the widespread use of deep learning models, the increase in the amount of labeled data, and advancements in image processing technology. However, liver tumor segmentation also presents various technical challenges. These challenges include low contrast in medical images, unclear tumor boundaries, the proximity of the liver to other abdominal organs, and similar tissue characteristics. Additionally, variations in liver structure between individuals impact the accuracy of segmentation tasks. While these factors complicate manual segmentation processes, they also make developing automated deep learning-based models challenging. Labeling medical data typically requires expertise, so the lack of sufficient labeled data and constraints such as patient privacy are significant obstacles to improving model performance. In this study, an effective deep learning model with average segmentation performance trained on limited labeled data is presented. Thus, the aim is to support healthcare professionals in clinical decision-making processes and provide an effective tool for diagnosing and treating liver diseases.
Benzer Tezler
- Kontrastsız bilgisayarlı tomografi görüntülerinde yapay zekâ tabanlı karaciğer bölütleme ve hastalık sınıflandırma
Artificial intelligence-based liver segmentation and disease classification in non-contrast computed tomography images
RABİYE KILIÇ
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiAtatürk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM YÜCEL ÖZBEK
- Segmentation of colon nuclei images using deep learning
Kalın bağırsak hücre görüntülerinin derin öğrenme kullanılarak bölütlenmesi
ATAKAN ÖZKAN
Yüksek Lisans
İngilizce
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Three-dimensional (3d) liver tumor detection with deep learning
Derin öğrenme ile üç boyutlu (3b) karaciğer tümör tespiti
FIRAT ÖZCAN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Tıbbi görüntülerden derin öğrenme yöntemi ile karaciğer ve beyin lezyonlarının bölütlenmesi
Segmentation of liver and brain lesions by deep learning approach from medical images
ONUR CAN BAYRAK
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- Bilgisayarlı tomografi görüntlerinden derin öğrenme tabanlı karaciğer segmentasyonu
Deep learning based liver segmentation from computed tomography images
BURCU KONAN
Yüksek Lisans
Türkçe
2024
Biyomühendislikİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MAHMUT ÖZTÜRK