Geri Dön

Dikkat mekanizmalarına dayalı hibrit derin öğrenme yaklaşımıyla üç boyutlu mr verilerinde beyin tümörü bölütlemesi

Brain tumor segmentation in three-dimensional mri data using a hybrid deep learning approach based on attention mechanisms

PDF İndir

  1. Tez No: 965394
  2. Yazar: HATİCE KARAÇAY
  3. Danışmanlar: DR. ÖĞR. ÜYESİ FATİH OKUMUŞ
  4. Tez Türü: Yüksek Lisans
  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: İnönü Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yazılım Bilim Dalı
  13. Sayfa Sayısı: 57

Özet

Bu çalışma, üç boyutlu manyetik rezonans görüntüleme (3B MRG) verileri üzerinde beyin tümörü bölütlemesini gerçekleştirmek üzere tasarlanan, yeni bir dikkat (attention) temelli model önermektedir. Model, hem Gated Attention (geçit kontrollü dikkat mekanizması) hem de CBAM (Convolutional Block Attention Module) yapılarını bir araya getirerek hem uzamsal hem de kanalsal bağlamları daha etkili biçimde yakalamayı amaçlamaktadır. Model mimarisi klasik bir encoder (kodlayıcı)–decoder kod çözücü) yapısı üzerine inşa edilerek, kodlayıcı ile kod çözücü arasındaki geçiş bölgesine Gated Attention katmanı yerleştirilmekte ve çözücü kısmında yer alan sıçrama bağlantılarına CBAM blokları entegre edilmektedir. Model, BraTS (Brain Tumor Segmentation Challenge) 2020 veri seti üzerinde hasta bazlı ayrım ile eğitilerek değerlendirilmektedir. Test verisi üzerinde elde edilen ortalama başarımlar şu şekildedir: Doğruluk (accuracy) 0.9934 ± 0.0034, Dice skoru 0.8768 ± 0.0738, IoU skoru 0.7876 ± 0.1079 ve Hassasiyet (recall) 0.8409 ± 0.1192. Ayrıca, modelin toplam hesaplama karmaşıklığı 83.32 GFLOPs olarak ölçülmekte ve yalnızca 0.98 milyon parametre içermesiyle dikkat çekici bir hesaplama verimliliği sergilemektedir. Sonuçlar, önerilen çift dikkat mekanizmalı yapının hem genel doğruluğu hem de tümörün sınırlarını belirlemedeki başarımı açısından literatürdeki birçok yönteme kıyasla rekabetçi ve dengeli bir yapı sunduğunu göstermektedir.

Özet (Çeviri)

The purpose of this study is about a new detailed model that is designed to perform brain tumor segmentation on three-dimensional magnetic resonance imaging (3D MRI) data. The model is a combination of both Gated Attention and CBAM structures to more effectively capture both types of data. The model is built on a classical encoder-decoder structure. However, a Gated Attention layer is placed in the transition region between the encoder and decoder, and CBAM blocks are unified into skipping the connections of the decoder part. The model was trained and evaluated with careful separation on the BraTS 2020 dataset. The average performance achieved on the test data is as follows: accuracy 0.9934 ± 0.0034, Dice coefficient 0.8768 ± 0.0738, IoU score 0.7876 ± 0.1079, and recall 0.8409 ± 0.1192. Therefore the difficulty of the model was measured at 83.32 GFLOPs, and it has showed amazing efficiency with only 0.98M parameters. The results show that the dual attention mechanism structure offers a competitive and balanced performance compared to many methods in the literature, both in terms of overall accuracy and success in identifying tumor boundaries.

Benzer Tezler

  1. Tez No

    847173

    Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  2. Tez No

    944673

    Multi-scale rainfall predictions using data-driven models with advanced data preprocessing techniques

    Gelişmiş veri ön işleme teknikleriyle veri odaklı modeller kullanarak çok ölçekli yağış tahminleri

    KÜBRA KÜLLAHCI

    Doktora

    İngilizce

    İngilizce

    2025

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDÜSSELAM ALTUNKAYNAK

  3. Tez No

    892819

    Öz bilgi destekli derin öğrenme yaklaşımları ile hsg gürültü giderme

    Self-ınformation empowered deep learning approaches for hsı denoising

    ORHAN TORUN

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM

    PROF. DR. MEHMET ERKUT ERDEM

  4. Tez No

    917103

    Facial expression analysis foran online usability evaluation platform

    Çevrimiçi kullanılabilirlik değerlendirme platformu için yüz ifadesi analizi

    ALİ AZMOUDEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  5. Tez No

    605769

    Production and characterization of white light based on energy up conversion mechanisms in Yb+3,Nd+3,Tm+3 rare earth ions doped y2o3-sio2 nano-phosphor materials

    Yb+3,Nd+3,Tm+3 nadir toprak iyon katkili Y2O3-SiO2 nanofosfor malzemelerde üst enerji̇ dönüşüm mekanizmasına dayalı beyaz ışık üretimi ve karakterizasyonu

    HATUN ÇINKAYA YILMAZ

    Doktora

    İngilizce

    İngilizce

    2019

    Fizik ve Fizik Mühendisliğiİstanbul Teknik Üniversitesi

    Fizik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖNÜL ERYÜREK

Geri Dön