Görüntü bölütleme modellerinin çıktılarının kalitesini tahmin eden sistem tasarımı
System design for predicting the quality of the output of image segmentation models
- Tez No: 941691
- Danışmanlar: DOÇ. DR. FATMATÜLZEHRA USLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bursa Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 96
Özet
Çıkarılan teşhis bilgilerinin doğruluğu büyük ölçüde tıbbi görüntülerden elde edilen bölütleme maskelerinin kalitesine bağlı olmaktadır. Genel olarak büyük ve karmaşık modellerin eğitilmesini içeren bölütleme kalite kontrolü üzerine sınırlı sayıda çalışma bulunmaktadır. Bu çalışmada, derin bölütleme modellerinin çıktılarının kaliteleri, otomatik olarak hesaplanan eşik değerleri kullanılarak tahmin edilmiştir. Hesaplanan eşik değerleri ile bölütleme kaliteleri arasındaki ilişki incelenmiştir. Görüntü bölütleme için iyi kalibre edilmiş çıktılar üretebilen bir topluluk yöntemi olan 4 kod çözücülü bölütleme modeli ile bu modelin tek kod çözücülü versiyonuna test zamanı adaptasyonu uygulanan yöntem ve tek kod çözücülü versiyona seyreltme katmanı eklenmiş yöntem olmak üzere üç farklı yöntem kullanılarak deneyler gerçekleştirilmiştir. Otsu, Li ve Yen'in eşikleme yöntemleri kullanılarak, bölütleme modelinin tahmin ettiği maskelere ait olasılık haritalarını eşiklemek için otomatik olarak hesaplanan eşik değerleri elde edilmiştir. Her bir bölütleme maskesi için hesaplanan eşik değerleri ile Dice benzerlik skoru olan kalite skorlarını tahmin etmek için doğrusal regresyon modeli kullanılmıştır. Önerilen yöntemler, sol atriyumu bölütlemeye odaklanan iki kardiyak MRI görüntü veri kümesi, STACOM 2013 ve CINE MRI ile retinal damarları bölütlemek için kullanılan DRIVE fundus görüntü veri kümesi kullanılarak doğrulanmıştır. Test kümesine, modelin eğitildiği verilerin dağılımı dışındaki veri kümeleri olan STACOM 2018, IOSTAR ve STARE veri kümeleri de eklenerek, modelin genelleştirme yeteneği değerlendirilmiştir. Önerilen metotlar kullanılarak elde edilen tahmini ve gerçek kalite skorları, genel olarak Otsu eşiği için güçlü, Li eşiği için ortalama ve Yen eşiği için daha zayıf bir korelasyon göstermiştir. Otomatik eşikleme yöntemleri ile elde edilen eşik değerlerinden Otsu eşiğinin, iyi kalibre modellerde bölütleme kalitesini düşük maliyetle tahmin etmek için kullanılabilecek eşik değerleri arasında en başarılısı olduğu görülmüştür.
Özet (Çeviri)
The accuracy of the extracted diagnostic information largely depends on the quality of the segmentation masks obtained from medical images. There is limited work on segmentation quality control, which generally involves training large and complex models. In this study, the quality of the output of deep segmentation models is predicted using automatically computed thresholds. The relationship between the calculated threshold values and segmentation qualities was analyzed. Experiments were conducted using three different methods: a 4-decoder segmentation model, which is an ensemble method that can produce well-calibrated outputs for image segmentation, a method with test time adaptation to the single-decoder version of this model, and a method with a dropout layer added to the single-decoder version. Using the thresholding methods of Otsu, Li and Yen, thresholds are automatically computed to threshold the probability maps of the masks predicted by the segmentation model. A linear regression model was used to predict the quality scores, which are the Dice similarity scores, with the thresholds calculated for each segmentation mask. The proposed methods are validated using two cardiac MRI image datasets, STACOM 2013 and CINE MRI, focusing on segmenting the left atrium, and DRIVE fundus image dataset used to segment retinal vessels. STACOM 2018, IOSTAR and STARE datasets, which are datasets out of the distribution of the data on which the model was trained, were also added to the test set to evaluate the generalization ability of the model. The predicted and real quality scores obtained using the proposed methods generally show a strong correlation for the Otsu threshold, an average correlation for the Li threshold, and a weaker correlation for the Yen threshold. Among the threshold values obtained with automatic thresholding methods, the Otsu threshold was found to be the most successful among the threshold values that can be used to estimate segmentation quality at low cost for well-calibrated models.
Benzer Tezler
- Telekomünikasyon sektöründe kullanılan ek odaların sokak düzeyi görüntülerinden tespit edilmesi
Detection of manholes from street-level imagery in telecommunication business
AHMET EĞRİ
Yüksek Lisans
Türkçe
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CANER GÜNEY
- Deep learning based road segmentation from multi-source and multi-scale data
Çok kaynaklı ve çok ölçekli veriyle derin öğrenme tabanlı yol bölütlenmesi
OZAN ÖZTÜRK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Derin öğrenme kullanarak tıbbi görüntü bölütleme
Medical image segmentation using deep learning
RÜYA KAYMAK
Yüksek Lisans
Türkçe
2019
Mekatronik MühendisliğiFırat ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞEGÜL UÇAR
- Derin sinir ağları ile çekirdek hücrelerinin tespiti ve segmentasyonu
Nuclei cells detection and segmentation with deep neural network
TOMIYA SAID AHMED ZARBEGA
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASEMİN GÜLTEPE
- Evalutation of feature selection and encoding methods for superpixel image parsing
Süperpiksel imge ayrıştırması için öznitelik seçimi ve kodlama yöntemlerinin değerlendirmesi
SERCAN SÜNETCİ
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiIşık ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN FEHMİ ATEŞ