Yapay zeka tabanli fetal baş çevresi̇ ölçümü ve fantom üzeri̇nde uygulamalar
Artificial intelligence based fetal head circumference measurement and applications on phantom
- Tez No: 962344
- Danışmanlar: PROF. DR. HAYRİYE KORKMAZ, DOÇ. DR. BAKİ KARABÖCE
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 112
Özet
Gebelik süresince fetus gelişiminin değerlendirilebilmesi ve kritik hastalıkların erken teşhisi için fetal baş çevresi ölçümü önemli bir parametredir. Geleneksel olarak bir uzman bu değerlendirmeleri ultrason görüntüleri üzerinde manuel gerçekleştirmektedir. Ancak manuel ölçüm yöntemleri operatör bağımlılığı, ultrason görüntülerinin özellikleri nedeniyle ölçüm tutarsızlığı ve zaman kaybı gibi problemlere sahiptir. Yapay zeka teknolojilerinin gelişimi ile birlikte derin öğrenme tabanlı yöntemler, tıbbi görüntü analizinde ilerleme kaydederek, manuel yöntemlere göre daha hızlı, tutarlı ve güvenilir ölçümler sağlayabilme potansiyeli göstermiştir. Bu tezde, fetal baş çevresinin ultrason görüntülerinden otomatik olarak belirlenmesini sağlamak amacıyla, az sayıda veri üzerinde veri artırma tekniği kullanılmadan, ResNet-50 tabanlı DeepLabv3 ağı ile UNet3+ mimarisini birleştiren, transfer öğrenme destekli hibrit bir model geliştirilmiştir. Geliştirilen model, yalnızca segmentasyon çıktısına dayalı olarak elips uydurma yöntemiyle ölçüm gerçekleştirmiş ve ek görüntü işleme gerektirmeden HC18 veri seti üzerinde %97.83 doğruluk oranına ulaşmıştır. Bu çalışmalara ek olarak modelin genellenebilirliğini test edebilmek için fetal kafatası yapısını akustik ve morfolojik açıdan taklit edebileceği düşünülen bir biyolojik model olarak yumurta kullanılarak özel bir fantom üretilmiştir. Ancak bu fantom görüntüleri, eğitim verisiyle farklılık gösterdiğinden, hibrit modelin segmentasyon performansı düşmüştür. Bu nedenle, fantom görüntüleri için bir başka bakış açısı geliştirilerek görüntü işleme temelli bir alternatif yöntem uygulanmış ve %98.9 doğruluk oranı ile başarılı sonuçlar elde edilmiştir. Geliştirilen hibrit modelin pratik kullanımını desteklemek amacıyla bir kullanıcı dostu arayüz tasarlanmıştır. Bu arayüz, segmentasyon ve kafa çevresi ölçüm işlemlerinin hızlı ve kolay bir şekilde yapılabilmesini sağlamaktadır. Elde edilen sonuçlar, önerilen modelin fetal ultrason görüntü segmentasyonu ve baş çevresi ölçümü için manuel yöntemlere güvenilir bir alternatif olabileceğini göstermektedir. Modelin tam otomatik ölçüm gerçekleştirmesi, klinik uygulamalarda ölçüm sürecini hızlandırarak zaman tasarrufu sağlayabilir ve operatör bağımlılığını azaltmaya katkıda bulunabilir.
Özet (Çeviri)
Fetal head circumference measurement is an important parameter for the evaluation of fetal development during pregnancy and early diagnosis of critical diseases. Traditionally, a specialist performs these evaluations manually on ultrasound images. However, manual measurement methods have problems such as operator dependency, measurement inconsistency due to the characteristics of ultrasound images, and loss of time. With the development of artificial intelligence technologies, deep learning based methods have made progress in medical image analysis, showing the potential to provide faster, more consistent and reliable measurements compared to manual methods. In this thesis, a transfer learning supported hybrid model combining ResNet-50 based DeepLabv3 network and UNet3+ architecture was developed on a small number of data without using data augmentation technique in order to automatically determine fetal head circumference from ultrasound images. The developed model performed measurements with ellipse fitting method based only on segmentation output and achieved 97.83% accuracy rate on HC18 dataset without requiring additional image processing. In addition to all these studies, a special phantom was produced using an egg as a biological model that is thought to mimic the fetal skull structure in terms of acoustics and morphology in order to test the generalizability of the model. However, since these phantom images differed from the training data, the segmentation performance of the hybrid model decreased. Therefore, an alternative method based on image processing was applied by developing another perspective for the phantom images and successful results were obtained with an accuracy rate of 98.9%. A user friendly interface was designed to support the practical use of the developed hybrid model. This interface allows segmentation and head circumference measurement operations to be performed quickly and easily. The obtained results show that the proposed model can be a reliable alternative to manual methods for fetal ultrasound image segmentation and head circumference measurement.The fully automatic measurement of the model can save time by accelerating the measurement process in clinical applications and contribute to reducing operator dependency.
Benzer Tezler
- İş sağlığı ve güvenliğinde yapay zeka uygulamaları
Artificial intelligence applications in occupational health and safety
SALİH İLHAN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesiİş Sağlığı ve Güvenliği Ana Bilim Dalı
PROF. DR. ÖZEN KILIÇ
- Fetal mr görüntülerinin derin öğrenme tabanlı çoklu yapısal segmentasyonu
Fetal mr görüntüleri̇ni̇n deri̇n öğrenme tabanli çoklu yapisal segmentasyonu
ENES DEMİR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİROL ASLANYÜREK
DOÇ. DR. EMRAH AYDIN
- Prenatal tanıda trizomi risk tahmini için QF-PCR sonuçları, demografik, klinik ve genetik verilerin entegrasyonunun makine öğrenmesi tabanlı analizi
Machine learning analysis of demographic, clinical and genetic data integration with QF-PCR results for prenatal diagnosis trisomy risk prediction
KÜBRA TÜREGÜN
Yüksek Lisans
Türkçe
2025
BiyomühendislikYıldız Teknik ÜniversitesiBiyoteknoloji Ana Bilim Dalı
DOÇ. DR. ALPER YILMAZ
- Yapay zeka tabanlı katlanır bomlu vinç güvenlik asistanı
Artificial intelligence based knuckle-boom crane safety assistant
KERİM KARAGÖZLER
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT CEYLAN
- Yapay zeka tabanlı akciğer röntgen görüntülerinden covıd-19 tespiti
Covid-19 detection from artificial intelligence based lung x-ray images
ÖZGÜR KART
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH BAŞÇİFTÇİ