Çok modlu görüntüleme ile baş ve boyun bölgesinde risk altındaki organların otomatik segmentasyonu
Automatic segmentation of organs-at-risk in the head and neck region using multi-modal imaging
- Tez No: 940912
- Danışmanlar: DOÇ. DR. MURAT GEZER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Radyoloji ve Nükleer Tıp, Computer Engineering and Computer Science and Control, Science and Technology, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: 84
Özet
Bu tez, baş ve boyun bölgesindeki risk altındaki organların (Organ-at-Risk, OAR) otomatik segmentasyonunu iyileştirmek için YOLOv11 ve SAM2 derin öğrenme modellerini entegre ederek çok modlu görüntüleme (CT ve MR) yaklaşımı sunmaktadır. OAR segmentasyonu, radyoterapi planlamasında kritik bir öneme sahiptir. Geliştirilen model, adaptif radyoterapi süreçlerinde yüksek doğruluklu segmentasyon sağlayarak tedavi etkinliğini artırmayı ve yan etkileri azaltmayı hedeflemektedir. Bu amaçla, HaN-Seg veri seti kullanılarak model eğitimi gerçekleştirilmiş ve performansı Dice Benzerlik Katsayısı ile değerlendirilmiştir. Sonuçlar, önerilen yöntemin mevcut segmentasyon yöntemlerinden daha hassas ve tutarlı olduğunu göstermiştir.
Özet (Çeviri)
This thesis proposes an approach for the automatic segmentation of organs-at-risk (OAR) in the head and neck region by integrating YOLOv11 and SAM2 deep learning models with multi-modal imaging (CT and MR). OAR segmentation is critical for radiotherapy planning. The developed model aims to improve segmentation accuracy in adaptive radiotherapy processes, enhancing treatment effectiveness and reducing side effects. The model was trained using the HaN-Seg dataset, and its performance was evaluated using the Dice Similarity Coefficient. Results demonstrate that the proposed method outperforms existing segmentation methods in precision and consistency.
Benzer Tezler
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Multimodal vision-based driver monitoring system in autonomous vehicles
Çok modlu görüntü tabanlı sürücü izleme sistemi otonom araçlarda
LEILA GHASEMZADEH
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. SEFER BADAY
- Preliminary design of the communication subsystem for the proposed sudanese earth observation satellite
Teklif edilmiş sudan yer gözlem uydusu için haberleşme sistemi ön tasarımı
MUSTAFA ALHASSAN
Yüksek Lisans
İngilizce
2015
Astronomi ve Uzay Bilimleriİstanbul Teknik ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. ALİM RÜSTEM ASLAN
- Silk fibroin cryogel-based shape memory organohydrogels
İpek fibroin kriyojel bazlı şekil hafızalı organohidrojeller
YAHYA BAŞ
Yüksek Lisans
İngilizce
2022
Polimer Bilim ve Teknolojisiİstanbul Teknik ÜniversitesiPolimer Bilim ve Teknolojisi Ana Bilim Dalı
PROF. DR. OĞUZ OKAY
- Video analysis based fish detecton and tail beat frequency estimation in fishways
Video analizi ile balık geçitlerinde balık tanıma ve kuyruk sallama frekansı tahmini
YASİN YILDIRIM
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
PROF. DR. SERHAT KÜÇÜKALİ